Xupeng Zhu
収録論文 21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
- 物体中心表現による汎化可能な階層的スキル学習マニピュレーション2025/10/1
物体中心のスキルプリミティブを介して視覚言語モデルと低次視覚運動ポリシーを橋渡しし、少ないデモでロボット操作の汎化とサンプル効率を大幅に向上させる階層的学習フレームワークを提案。
- クレブシュ・ゴルダン変換器:高速で大域的な同変アテンション同変Transformer2025/9/1
SO(3)の既約表現上でのクレブシュ・ゴルダン畳み込みにより、全次数の同変特徴を扱いつつO(N log N)の大域アテンションを実現したTransformerを提案。n体シミュレーションやロボット把持などで既存手法より高精度・高速・省メモリを達成。
- 球面フーリエ空間におけるSE(3)同変拡散方策マニピュレーション2025/7/1
拡散方策を球面フーリエ空間に埋め込み、シーンの3D変換に応じて軌道を適応させるSE(3)同変な操作方策を提案し、シミュレーションと実機で汎化性能を大幅に向上させた。
- 球面投影による3D同変視覚運動ポリシー学習VLA2025/5/1
単眼RGB画像から球面に特徴を投影し、点群再構成なしでSO(3)同変な拡散ポリシーを学習する手法を提案。
- EquAct: 開ループロボット操作のためのSE(3)同変マルチタスクトランスフォーママニピュレーション2025/5/1
言語条件付き3D操作ポリシーにSE(3)同変性を組み込み、シーン変換に対する空間汎化性能を向上させたマルチタスクトランスフォーマを提案。
- 等変モデルと把持スコア最適化によるプッシュ・把持方策学習マニピュレーション2025/4/1
SE(2)等変性を取り入れたネットワークと把持スコア最適化により、散らかった環境でのプッシュと把持を統合的に学習する手法を提案し、シミュレーションと実機で成功率を大幅に改善した。
- 粗から細への3Dキーフレームトランスポーターマニピュレーション2025/2/1
キーフレーム模倣学習における双同変対称性を利用し、把持物体とシーンの特徴の相互相関で行動を評価するTransporter Networksベースの手法を提案。粗から細へのSE(3)行動評価により、シミュレーションで10%以上、実機実験で平均55%の性能向上を達成した。
- フレーム転送による階層的同変方策マニピュレーション2025/2/1
高レベル方策の出力を低レベル方策の座標フレームとして用いるフレーム転送インターフェースを提案し、両階層にドメイン対称性を組み込んだ階層的同変方策を実現した。複雑なロボットマニピュレーションで最先端性能を達成。
- 強化学習と計画のための同変アクションサンプリング強化学習/計画2024/12/1
ロボット操作などの対称性を持つ連続制御タスクにおいて、サンプリングベースの行動選択に同変性を導入し、MPPI計画法に適用することで効率と性能を向上させる手法を提案した。
- OrbitGrasp: SE(3)同変な把持学習マニピュレーション2024/7/1
点群入力からSE(3)把持姿勢を検出するため、球面調和基底で連続的な把持品質関数を学習するSE(3)同変モデルを提案し、シミュレーションと実機で性能を向上させた。
- ThinkGrasp: 散乱環境での戦略的パーツ把持のための視覚言語システムマニピュレーション2024/7/1
GPT-4oの文脈推論を活用し、散乱環境で対象物を段階的に露出させて把持するプラグアンドプレイの視覚言語把持システムを開発した。
- フーリエトランスポーター:3Dロボット操作における双等変性マニピュレーション2024/1/1
ピック&プレースのSE(d)×SE(d)対称性を利用し、フーリエ変換でメモリ効率よく等変性を組み込んだ行動クローニング手法を提案。RLbenchで最先端性能を達成。
- ユークリッド対称性は強化学習と計画に活用できるか?強化学習2023/7/1
強化学習と計画問題におけるユークリッド群対称性を統一的に扱う理論を提案し、同変なサンプリングベース計画アルゴリズムを構築する手法を開発した。
- 等変モデルを用いたロボット把持学習マニピュレーション2023/6/1
平面把持関数のSE(2)等変性を利用してニューラルネットを制約し、実機で600回の把持試行から1.5時間以内に把持を学習するSymGraspを提案。
- エッジグラスプネットワーク:グラフベースのSE(3)不変な把持検出マニピュレーション2022/11/1
点群入力から6自由度の把持姿勢を検出するため、SE(3)不変なグラフベースのニューラルネットワークを提案し、任意視点の単視点点群でも高い把持成功率を実現した。
- SEIL: シミュレーション拡張同変模倣学習模倣学習2022/11/1
実世界の専門家軌道にシミュレーション遷移を補完するデータ拡張とO(2)対称性を活用した同変モデルを組み合わせ、10回のデモンストレーションで非自明なマニピュレーションタスクを学習する手法を提案。
- ステアラブル畳み込みによる微分可能計画への対称性の統合計画2022/6/1
経路計画をグリッド上の信号として扱い、価値反復が回転・反射対称性を持つ線形等変演算子(ステアラブル畳み込み)であることを示し、VINを拡張して訓練効率と汎化性能を大幅に改善した。
- BulletArm:オープンソースのロボットマニピュレーションベンチマークと学習フレームワークマニピュレーション2022/5/1
再現性と拡張性を重視したロボットマニピュレーションのベンチマークと学習環境を提案し、31種類のタスクとベースラインアルゴリズムを提供する。
- 等変モデルによる実機ロボット学習マニピュレーション2022/3/1
等変ニューラルネットワークを実機マニピュレーションの強化学習に適用し、シミュレータやオフラインデータなしで1〜2時間以内に複数の非自明なタスクを学習できることを示した。
- 等変モデルによるサンプル効率の高い把持学習マニピュレーション2022/2/1
最適な把持関数がSE(2)等変性を持つことを利用し、等変畳み込みネットワークでモデル化することで、わずか600回の把持試行で実機ロボットが約1.5時間で把持を学習できることを示した論文。
- 空間行動空間における同変Q学習マニピュレーション2021/10/1
画像状態とSE(2)行動空間の回転・並進対称性を利用した同変Qネットワークを提案し、操作タスクでのサンプル効率を向上させた論文。
