Xinming Zhang
Eastern Institute of Technology
収録論文 14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
- 履歴証拠を再活用する学習不要の視覚言語ナビゲーションVLA2026/10/19
視覚言語ナビゲーションにおいて履歴の冗長性を圧縮しつつ、忘却に着想を得た再指示で保持情報を再活用する学習不要フレームワークを提案し、成功率と計算効率を改善した。
- TAME-Nav:時間的非対称Mixture-of-Experts蒸留による俊敏で汎用なロボットナビゲーションナビゲーション2026/10/9
教師が特権的な動的障害物追跡を使い、生徒が劣化観測から時間エンコーディングとSoft-MoE蒸留でナビゲーション方策を学習する枠組みを提案し、四足ロボットでの実機実験で有効性を示した。
- CeDR-Nav: オフライン実演の再構成によるクロスエンボディメント・マップレスナビゲーションナビゲーション2026/10/9
既存のロボットの実演データを形状スケーリングと有効性評価で別の機体向けに変換し、オンライン収集なしで各機体専用のマップレスナビゲーション方策を短時間で学習するフレームワーク。
- EIDA: 実機-シミュレータ-実機ロボットナビゲーションのための実行インターフェースダイナミクス適応sim2real2026/10/1
実機の実行データから速度指令に対する運動とフィードバックの応答を学習し、軽量GPU並列シミュレータ内で適応させることで、アクチュエータの詳細なモデル化なしにロボットナビゲーションのsim-to-real転移を改善する手法を提案。
- 局所解脱出器:未知環境でのロバストナビゲーションのためのプログラム的サブゴール生成ナビゲーション2026/9/30
局所観測のみを用いて、障害物形状と安全性に基づく解釈可能なヒューリスティックでサブゴールを生成し、局所解から脱出する階層型ナビゲーション手法を提案。学習不要で様々な局所プランナに適用可能。
- FlashNav: 20秒以内の超高速ロボットナビゲーションポリシー訓練ナビゲーション2026/6/1
GPU中心のフレームワークで、レンジベースのロボットナビゲーションの強化学習ポリシーを20秒未満で訓練できることを示した論文。シミュレーションをナビゲーションMDPに合わせて簡略化し、GPU上で並列遷移を生成することで高速化を実現。
- 即時リセットは本当に必要か?衝突処理を見直して効率的なロボットナビゲーションを実現ナビゲーション2026/5/1
衝突時に毎回環境をリセットする従来の強化学習手法を改め、同一エピソード内で再試行を許す「Multi-Collision reset Budget」を提案し、学習効率と実機性能を向上させた。
- 失敗認識を備えた模倣学習による安全なロボットナビゲーションナビゲーション2026/4/1
成功デモのみに頼る模倣学習の限界を指摘し、失敗データを価値推定に活用して政策学習は成功デモに限定する枠組みを提案。衝突率を減らしつつ成功率を維持することを実証した。
- FSUNav:高速・安全・汎用的なゼロショット目標指向ナビゲーションのための大脳-小脳アーキテクチャナビゲーション2026/4/1
視覚言語モデルと強化学習を組み合わせた大脳-小脳アーキテクチャを提案し、異種ロボットでの高速・安全なゼロショット目標ナビゲーションを実現した。
- FastDSAC: 高次元ヒューマノイド制御における最大エントロピー強化学習の可能性を引き出す強化学習/ヒューマノイド制御2026/3/13
高次元のヒューマノイド制御で、次元ごとのエントロピー調整と連続分布型クリティックを導入し、最大エントロピー強化学習の性能を大幅に向上させた。
- CeRLP: クロスエンボディメントロボットの視覚ナビゲーションのためのローカルプランニングフレームワークナビゲーション2026/3/1
異なるロボットやカメラ構成でも動作する視覚ナビゲーションのためのローカルプランニングフレームワークを提案し、深度推定のスケール補正と視覚情報のレーザースキャンへの抽象化により、ロボットの形状差を吸収する。
- MA-ROESL:単一動画からの効率的なロボットスキル学習のための動作認識型高速報酬最適化VLA2025/5/1
単一の動画からロコモーションスキルを学習する際、動作に着目したフレーム選択と3段階の高速報酬最適化により、VLM生成報酬の品質と学習効率を高める手法を提案。
- 深層強化学習によるヒューマノイドロボットの安定した高速移動の実現歩行2024/9/1
深層強化学習と運動力学的事前知識を組み合わせ、腕の協調動作で安定性を高めることで、ヒューマノイドが3.5m/sの高速移動を安定して行える制御手法を提案した。
- 明示的動作を用いない階層型強化学習によるロボット制御強化学習2020/11/1
メタ方策が目標状態を操作し、逆動力学モデルが実際の動作を生成する階層型強化学習フレームワークを提案。敵対的学習と情報ボトルネックで訓練を安定化し、状態のみのデモによる模倣学習も可能にした。
