Yanchao Yang
The University of Hong Kong
収録論文 29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
- GazeAct: 人間の視線注釈付き操作データセットと注意正則化ポリシーVLA2026/10/17
ロボット操作のための視線注釈付き実機データセットを構築し、訓練時のみ視線を教師信号として視覚注意を正則化することで、推論時に視線なしで成功率を向上させる手法を提案した。
- SPEAR: 適応的報酬による選択的好み獲得でVLM誘導ロボットマニピュレーションマニピュレーション2026/10/15
VLMを効率的な好みオラクルとして活用し、識別可能性を考慮したクエリ選択と適応的報酬遷移により、接触の多いマニピュレーションタスクの実機オンライン学習を実現した。
- SituHOI:シーンに即した全身ヒューマン・オブジェクト・インタラクションのスケーラブルなキャプチャヒューマン・オブジェクト・インタラクション2026/10/13
移動RGB-Dカメラと静的シーンスキャンを用いて、全身動作・物体・シーン形状を共通座標系で注釈付けした大規模データセットSituHOIを構築し、目標条件付き動作予測ベンチマークFlexHOI-Benchを提案した論文。
- YOCO: 一度のキャリブレーションで高精度な遠隔操作を実現する高速モーションキャプチャ校正遠隔操作2026/10/8
少数のペアデータから手の姿勢推定のバイアスを補正する、微調整不要の高速キャリブレーション手法を提案し、遠隔操作の性能を向上させた。
- Uni-VLaT:ヒューマノイドの移動操作のためのVLAポリシーへの全身触覚適応VLA2026/9/28
全身触覚を視覚言語行動ポリシーに統合し、未来の触覚・固有感覚・視覚表現を予測する補助タスクで学習することで、接触を伴う移動操作タスクの成功率を大幅に向上させた。
- SlackDrive: 実行時余裕を活用した適応的運転推論自動運転推論最適化2026/9/23
運転世界行動モデルの推論コストを、実測レイテンシから計算余裕を推定して制御ステップごとに計算予算を適応配分することで削減する手法。
- TraceFlow: 成功・失敗トレースで凍結フローマッチング方策を導くVLA2026/9/17
ロボットの成功・失敗ロールアウトの行動密度を進捗整合ガイダンス場に変換し、重みを更新せずに凍結フローマッチングVLA方策の行動生成を補正する手法。実機梱包タスクで成功率が21/50から39/50に向上。
- 模倣者ゲーム:行動予測を超えたロボットの模倣能力のベンチマーク模倣学習2026/8/23
人間のデモンストレーションから意図を推論して実行するロボットの能力を評価するため、4段階のベンチマーク「The Imitator Game」と大規模データセット「IG-10K」を構築し、既存モデルが意図レベルの模倣で失敗することを示した。
- 幾何認識モーション潜在表現によるロバストな操作ポリシーの学習マニピュレーション2026/7/1
操作中の点群の時間変化を予測することで、外観ではなく物理的な動きを符号化する離散モーション潜在コードを学習し、単視点RGB-D入力で最先端の操作性能を達成した論文。
- 幾何エントロピー:模倣学習における軌道多様性の利点と欠点模倣学習2026/6/1
デモンストレーションの軌道形状の多様性を測る指標「幾何エントロピー」を導入し、模倣学習の成功率が多様性に対して逆U字型の関係を持つことを示した。
- Tri-Info: 情報理論によるVLAモデルの汎用的で解釈可能な失敗予測VLA/失敗予測2026/6/1
VLAモデルの動作を情報理論の観点から分析し、成功と失敗で異なる情報的シグネチャを捉えるTri-Info信号を提案。再学習なしでアーキテクチャや環境をまたいで失敗を検出でき、実世界タスクでも高い精度を達成。
- RoboLineage: ロボットポリシー反復にわたるエージェントネイティブなデータライフサイクル管理データ管理2026/6/1
ロボットポリシーの反復改善プロセスを、データ収集から評価・リリースまでを型付きの系統情報として管理するシステムを提案し、実ロボット操作ワークフローでの効率性と監査可能性を実証した。
- DexHoldem: 巧みな身体システムによるテキサス・ホールデムのプレイ操作/ベンチマーク2026/5/1
実世界の巧みな操作システムを評価するためのベンチマークDexHoldemを提案。ShadowHandを用いたテキサス・ホールデムの操作プリミティブの実行と、エージェントがゲーム状態を認識する能力を評価する。
- DISC: 指示を状態条件付き制御から分離するポリシー生成操作2026/5/1
言語条件付き操作ポリシーにおいて、指示と観測を共有パラメータで処理することで生じる観測リークを、ハイパーネットワークで指示からポリシー全体を生成することで構造的に排除し、性能を向上させた。
- Hyper-GoalNet:ハイパーネットワークによる目標条件付きマニピュレーション方策学習マニピュレーション2025/12/1
ハイパーネットワークを用いて目標仕様からタスク固有の方策ネットワークパラメータを生成し、目標解釈と状態処理を分離することで多様な目標・環境下でのマニピュレーション性能を向上させる手法を提案した。
- GenDexHand:多指ハンドのための生成的シミュレーションマニピュレーション2025/11/1
VLMのフィードバックで物体配置を調整する閉ループ生成により、多指ハンド操作用の多様なタスクと環境を自動生成し、サブタスク分解で強化学習の効率と成功率を高める手法を提案。
- HiMaCon: ラベルなしマルチモーダルデータからの階層的マニピュレーション概念の発見マニピュレーション2025/10/1
クロスモーダルな相関と複数時間スケールの予測を組み合わせ、人手アノテーションなしで階層的な操作概念を自己教師あり学習するフレームワークを提案。シミュレーションと実機で性能向上を示し、獲得概念が人間に解釈可能な操作プリミティブに似ることを明らかにした。
- 人間とヒューマノイドの協調による協働物体運搬の学習協働マニピュレーション2025/10/1
固有感覚のみを用いた強化学習で、リーダーとフォロワーの行動を単一ポリシーに統合し、人間とヒューマノイドが協調して物体を運ぶ手法を提案。シミュレーションと実機実験で有効性を検証した。
- PROFusion: カメラ姿勢回帰と最適化によるロバストで高精度な密な再構成SLAM/3D再構成2025/9/1
カメラ姿勢回帰ネットワークで初期値を予測し、ランダム化最適化で深度画像を幾何学的に整合させることで、不安定なカメラ動作でもリアルタイムに高精度な密なシーン再構成を実現した。
- HyperTASR: ハイパーネットワーク駆動のタスク認識型シーン表現によるロバストなマニピュレーションマニピュレーション2025/8/1
ハイパーネットワークを用いてタスク目標と実行段階に応じてシーン表現を動的に変換し、ロボットマニピュレーションの性能を向上させるフレームワークを提案。
- VB-Com: 知覚欠損下でも歩行可能な視覚・盲複合ヒューマノイド制御歩行2025/2/1
視覚ポリシーと盲ポリシーを状況に応じて切り替える複合フレームワークVB-Comを提案し、知覚が不十分な動的環境でもヒューマノイドが安定して歩行できることを示した。
- 生成的ロボットシミュレーションの評価についてsim2real2024/10/1
生成されたロボットタスクの品質・多様性・汎化性を評価する枠組みを提案し、人間評価との高い一致を確認した。
- 生成期待を用いた閉ループ視覚運動制御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2024/9/1
テキスト条件付き動画拡散モデルで視覚計画を生成し、誤差を定量化する埋め込み空間とフィードバック制御器を組み合わせて、長期的なロボット操作を閉ループで適応制御するフレームワークCLOVERを提案した。
- MaxMI:操作概念発見のための最大相互情報量基準マニピュレーション2024/7/1
ロボットの操作デモから重要な物理状態(操作概念)を、人間のアノテーションなしで発見するための相互情報量に基づく基準と学習フレームワークを提案し、概念に基づく操作政策の成功率と汎化性能を向上させた。
- InfoCon: 生成的・識別的情報量に基づく操作概念の発見マニピュレーション2024/4/1
ロボット操作の概念を、生成的・識別的な情報量の指標を用いてVQ-VAEで自己教師あり学習し、サブ軌道とキー状態を発見する手法を提案。
- BBSEA:身体性エージェントのための脳と身体の同期による自律学習VLA2024/2/1
大規模基盤モデルを「脳」、身体性エージェントを「体」と見なし、両者を同期させて人間の介入なしに未知環境で多様な物理タスクを自律的に学習する手法を提案した。
- Text2Reward: 言語モデルによる強化学習のための報酬設計強化学習2023/9/1
大規模言語モデルを用いて、自然言語の目標から密な報酬関数を自動生成し、ロボット操作や歩行タスクの強化学習を効率化するフレームワークを提案。
- COPILOT: 一人称視点動画からの人と環境の衝突予測と位置推定一人称視覚/衝突予測2022/10/1
一人称視点の多視点動画から、体のどの関節が環境と衝突するかと衝突領域を予測するTransformerモデルCOPILOTを提案し、大規模合成データセットで学習して実世界シーンにも汎化することを示した。
- IFR-Explore: 3D屋内シーンにおける物体間機能関係の学習物体間関係学習2021/12/1
3D屋内環境でスイッチと照明のような物体間の機能関係を、大規模シーンでの事前学習と対話的探索方策により学習・適応するAIシステムを提案し、AI2ThorとPartNetに基づく新ベンチマークで有効性を示した。
