Xufeng Zhao
University of Hamburg
収録論文 11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
- BiPOP: 長期的な両腕ロボット操作のための部分順序計画マニピュレーション2026/11/11
LLMと時間的部分順序計画を組み合わせ、両腕の協調が必要な長期タスクを、作業空間の分割と腕間依存関係のモデル化により効率的に計画するフレームワークを提案した。
- 四足ロボットのための行動基盤:ABot-C0 テクニカルレポート四足歩行2026/7/1
四足ロボット向けの汎用動作制御システムABot-C0を提案し、大規模データパイプラインとフローマッチングポリシーにより、動作追跡のスケーリング則を初めて実証した。
- LLM+MAP: 大規模言語モデルと計画領域定義言語を用いた両腕ロボットのタスク計画タスク計画2025/3/1
LLMの推論とマルチエージェント計画を組み合わせ、両腕ロボットの長期的なタスクを効率的に分解・割り当てする計画フレームワークを提案。
- 言語モデルによる強化学習エージェントのメンタルモデリングVLA2024/6/1
大規模言語モデルがエージェントの行動履歴からその意思決定を推論し、メンタルモデルを構築できるかを評価指標を提案して検証した研究。
- 細部が違いを生む:物体状態に敏感な神経ロボティクスタスクプランニングタスクプランニング2024/6/1
物体の状態を考慮したタスク計画を行うエージェントOSSAを提案し、モジュール型とモノリシック型の2手法を比較した。テーブル上の物体を片付けるタスクで評価し、モノリシック型が優位であることを示した。
- LLM駆動によるロボットスキルの自動発見フレームワークスキル獲得2024/5/1
LLMがシーン記述とロボット構成からタスクを提案し、強化学習と視覚言語モデルによる検証を通じて、ゼロから多様な基本スキルを段階的に獲得・拡張する手法を提案。
- 大規模言語モデルによる双腕ロボットの制御マニピュレーション2024/4/1
LLMを使って双腕ロボットの長期的な協調作業を計画・制御するエージェントLABORを提案し、シミュレーションで成功率が向上することを示した論文。
- 大規模言語モデルのフィードバックによるロボットマニピュレーションの強化学習加速マニピュレーション2023/11/1
LLMを自動監督者として活用し、自然言語プロンプトで報酬フィードバックを与えることで、ロボット操作タスクの強化学習を効率化するLafite-RLフレームワークを提案した。
- 報酬分解による高レベルなロボット説明の再検討説明可能強化学習2023/4/1
強化学習ロボットの行動を、抽象化された行動空間と報酬分解を組み合わせて、物体属性に基づく高レベルで曖昧さのない説明を生成する枠組みを提案した。
- 環境と対話する:大規模言語モデルを用いた対話型マルチモーダル知覚VLA2023/3/1
LLMを基盤とし、ロボットが視覚・音・触覚・固有感覚などのマルチモーダル情報を能動的に収集しながら対話的にタスクを遂行するフレームワークMatchaを提案した。
- 音が導く表現と探索:音響好奇心モジュールによるロボットマニピュレーションマニピュレーション2022/8/1
物理ベースの音響シミュレーション環境で、音を活用した内在的好奇心モジュール(ISCM)を提案し、ロボットのマニピュレーションにおける表現学習と効率的な探索を実現した。
