Xiaojian Ma
Delta Intelligence
収録論文 20本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- SEED-UMI: 人間とロボットで外骨格を共有する一対一の器用なデモンストレーションマニピュレーション2026/9/10
人間とロボットが同じ外骨格を装着し、関節エンコーダと手首カメラの計測を共有することで、接触の多いタスクの模倣学習を効率化するフレームワークを提案。
- パノラマ認識型VLAによる全身遠隔操作を用いた移動操作の学習VLA2026/8/1
全身遠隔操作システムとパノラマ認識型VLAポリシーを開発し、移動操作タスクの成功率を大幅に向上させた。
- AdaReP: モデルミスマッチ下での適応的再計画によるニューラルワールドモデル予測制御モデル予測制御2026/6/1
ニューラルワールドモデルを用いたMPCの再計画頻度を、予測誤差の蓄積と局所感度に基づいてオンラインで適応させる手法を提案し、計算コストを削減しつつ性能を維持する。
- インタラクション推論ベンチマーク(COIN):推論と身体化インタラクションの融合ベンチマーク/操作2026/4/1
部分観測下での長期的なインタラクション推論を評価する新しいベンチマークCOINを提案し、ロボット操作タスクにおける既存手法の限界を明らかにした。
- FlowDreamer: フローベースの動作表現を用いたロボットマニピュレーションのためのRGB-Dワールドモデルワールドモデル2025/5/1
3Dシーンフローを明示的な動作表現として用い、U-Netと拡散モデルを組み合わせてロボット操作のためのRGB-Dワールドモデルを構築し、映像予測と視覚計画タスクで性能を向上させた。
- Falcon: 部分ノイズ除去による高速視覚運動ポリシーVLA2025/3/1
拡散ポリシーの推論を高速化するため、過去の行動の部分ノイズ除去結果を再利用する学習不要の手法を提案し、性能を維持しつつ2〜7倍の速度向上を実現した。
- GROOT-2: 弱教師ありマルチモーダル指示追従エージェントVLA2024/12/1
ラベルなしデモで多様な行動を学びつつ、少数のラベル付きデモで人間の意図に合わせる半教師あり学習手法を提案し、マルチモーダル指示追従性能を向上させた。
- 3Dシーンにおけるマルチモーダル状況推論VLA2024/9/1
3Dシーン内の状況理解のための大規模マルチモーダル質問応答データセットMSQAとナビゲーション評価ベンチマークMSNNを提案し、既存モデルの限界とマルチモーダル入力の重要性を示した。
- OmniJARVIS:統合視覚言語行動トークン化によるオープンワールド指示追従エージェントVLA2024/6/27
Minecraftのオープンワールドで、行動軌跡を自己教師あり学習で離散トークン化し、推論・計画・行動を単一のVLAモデルで統合的に実行できるようにした研究。
- 3D世界における身体性を持つ汎用エージェントVLA2023/11/18
3D世界での知覚・推論・計画・行動を統合的に行うマルチモーダル汎用エージェントLEOを提案し、3D視覚言語アライメントと視覚言語行動指示チューニングの2段階で訓練して多様なタスクでの性能を示した。
- 敵対的オプション認識型階層模倣学習模倣学習2021/6/1
長期の未注釈デモンストレーションからスキルを学ぶため、オプションで階層をモデル化し生成的敵対的最適化で方策を訓練するOption-GAILを提案。EM型アルゴリズムで専門家とエージェントのオプション占有測度を最小化し、収束性を理論的に証明した。
- 聴覚と触覚を融合した頑健なロボット注ぎ動作マルチモーダル知覚2020/3/1
音と力覚のマルチモーダル入力から液面高さを予測するMP-Netを提案し、騒音や遮蔽に頑健な注ぎ動作を実現した。
- 視覚とIMUによる移動ロボットのハンド・アーム遠隔操作システム遠隔操作2020/3/1
深度カメラによる手指姿勢推定ネットワーク(Transteleop)とIMUによる腕追跡を組み合わせ、移動ロボットのハンドとアームを同時に遠隔操作するマルチモーダルシステムを提案した。
- 不完全な専門家デモンストレーションからのソフト制約付き強化学習RLfD2019/11/1
不完全なデモしかない状況でも使えるRLfD手法を提案し、専門家の指導をソフト制約として扱う制約最適化問題を双対形の局所線形探索で効率的に解く。
- 逆動力学の不一致を最小化する観察からの模倣学習模倣学習2019/10/1
状態のみのデモンストレーションから模倣するLfOにおいて、模倣者と専門家の逆動力学モデルの不一致がLfDとの差であることを理論的に示し、その上限をモデルフリーに最小化するIDDMを提案した論文。
- 音響振動で液体の高さを推定するロボット注ぎ技術音響センシング2019/3/1
ロボット注ぎ作業において、音響振動センシングと深層学習モデルPouringNetを用いて液体の高さを推定し、不透明容器でも高精度に汎化できることを示した論文。
- 深層学習による影の器用な手のビジョンベース遠隔操作遠隔操作2018/9/1
人間の手の深度画像からロボットハンドの関節角を直接生成するTeachNetを提案し、マーカーレスで高精度な遠隔操作を実現した。
- PointNetGPD:点群から把持姿勢を検出する軽量評価モデル把持検出2018/9/1
グリッパー内の生の3D点群を直接入力し、把持構成を評価する軽量なエンドツーエンドモデルを提案。35万件の大規模把持データセットで学習し、新規物体や散らかった環境での把持・除去タスクで既存手法を上回る性能を示した。
- 選好に基づくコスト学習によるタスク転移強化学習/タスク転移2018/5/1
専門家の選好を手がかりに、正確な専門家デモや明示的なコスト関数なしで強化学習のタスク転移を実現する枠組みを提案し、選好選択と敵対的MaxEnt IRLによるコスト・軌道分布学習を交互に行う。
- 深層生成モデルによる動作の学習と推論動作計画2018/5/1
動作計画を有向グラフィカルモデル上の学習として定式化し、深層生成モデルでデモから学習・推論する確率的手法を提案。タスク記述子や文脈情報を柔軟に取り込み、ロボット制御の力学系と組み合わせ可能であることを示した。
