Xilun Zhang
Stanford University
収録論文 8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
- 自己主導のロボット相互作用でダイナミクスギャップを埋めるsim2real2026/11/2
摩擦や反発などの接触ダイナミクスをロボット自身が環境と相互作用して同定し、シミュレーションの誤差を最小化するエージェントシステムCUEを提案。ビリヤードで検証し、実機プールテーブルにも展開した。
- 展開を通じたロボットオーケストレーターとポリシーの共進化VLA2026/10/6
VLMオーケストレーターとVLAポリシーを実展開中に共進化させ、自己生成したデモでポリシーを微調整し検証後に採用することで、実世界タスクの成功率を向上させる手法Robo-COPを提案。
- LIBERO-MAX:世界が変化したときロボット政策は適応するか?VLA2026/9/29
タスク実行中に環境変化が起きた際のロボット政策の頑健性を評価する8,000ペアのベンチマークLIBERO-MAXを提案し、14のVLA政策が11.0〜25.7ポイントの成功率低下を示すことを明らかにした。
- 検証のスケーリングは視覚-言語-行動の整合性において方策学習のスケーリングより効果的になり得るVLA2026/2/1
視覚-言語-行動モデルの指示と行動のずれを減らすため、テスト時に言い換え指示と行動候補を増やして検証する手法CoVerを提案し、方策事前学習のスケーリングより高い性能を示した。
- ダイナミクスをプロンプトに:文脈内学習によるSim-to-Realシステム同定sim2real2024/10/1
過去の相互作用履歴を文脈として用いる文脈内学習により、勾配更新なしでシミュレーション環境のパラメータを実世界のダイナミクスにオンライン適応させる手法を提案し、物体すくい上げとエアホッケーで有効性を示した。
- 解釈可能なハミルトン・ヤコビ到達可能性に導かれた外乱によるロバスト方策の学習ロバスト強化学習2024/9/1
ハミルトン・ヤコビ到達可能性解析を用いて最悪ケースの外乱を生成し、敵対的強化学習と組み合わせることで、外部のブラックボックス敵対者なしにロバストな方策を訓練するフレームワークを提案した。
- 大規模言語モデルによる創造的なロボットの道具使用VLA2023/10/1
大規模言語モデルを活用し、自然言語指示からロボット制御コードを生成して、暗黙の物理制約や長期計画を伴う課題で創造的に道具を使うRoboToolを開発した。
- 何が間違っていたのか?微分可能な因果発見によるSim-to-Realギャップの解消sim2real2023/6/1
シミュレータと実世界のロボット軌道の差を、環境パラメータとの因果関係を同時に学習する微分可能なマッピングでモデル化し、パラメータ調整を自動化してsim-to-realギャップを縮小する手法COMPASSを提案。
