Xueyang Zhou
Tsinghua University
収録論文 7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
- シミュレータの失敗か、政策の失敗か:接触アーティファクトの監査sim2real2026/10/30
ロボットシミュレーションベンチマークの失敗の多くは物理エンジンの衝突検出バグに起因することを特定し、評価を変えずにアーティファクトを検出・修正する監査ツールSimuGuardを提案した。
- LIBERO-Pro2.0:実世界環境の変化に対する具身基盤モデルのロバスト性評価ベンチマークベンチマーク/ロバスト性2026/10/17
ロボット操作ポリシーの頑健性を体系的に評価するため、6次元にわたる22種の静的摂動と20種の実行時介入を含む1,648のタスクインスタンスを構築し、17の代表的手法を評価したベンチマーク。
- AffordCraft: 単一画像からタスク対応シミュレーション資産をスケーラブルに構築sim2real2026/10/5
単一のRGB画像とタスク指示から、関節や可動部を保った物理的に妥当なシミュレーション用オブジェクトを検索ベースで生成する手法を提案。生成手法より高成功率・低計算コストで、ライブラリ拡張により性能が向上する。
- ツールによる拡張可能な身体性能力の実現身体性知能2026/5/1
身体性知能の能力をツールとして外部化し、推論時に動的に呼び出す手法を提案。標準プロトコルETPと100以上のツールを整備し、シミュレーションと実世界で性能向上を確認した。
- EmbodiedClaw: 身体性AI開発のための対話型ワークフロー実行身体性AI開発2026/4/1
身体性AI研究の開発工程を対話で自動化するエージェントを提案し、環境構築や評価などの作業を実行可能なスキル化して手作業を削減する。
- LIBERO-PRO:記憶を超えたVLAモデルの堅牢で公平な評価に向けてVLA2025/10/1
VLAモデル評価用ベンチマークLIBEROを拡張し、物体・初期状態・指示・環境を摂動させて評価したところ、標準評価で90%超の精度が汎化設定では0.0%に崩壊し、モデルがタスク理解ではなく訓練データの丸暗記に依存していることを明らかにした。
- エージェント型ロボット:身体性エージェントにおける視覚-言語-行動モデルのための脳に着想を得たフレームワークVLA2025/5/1
人間組織の標準作業手順に着想を得た「標準化行動手順(SAP)」で計画・実行・検証を連携させ、長期的なロボット操作を自己検証しながら遂行する脳模倣型フレームワークを提案。LIBEROベンチマークで平均成功率79.6%を達成。
