Yi Zhao
Fudan University
収録論文 18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
- 未失効プラン:拡散ポリシーの高速化のための無料モニター拡散ポリシー2026/10/5
拡散ポリシーの訓練不要な高速化において、内部類似度信号を監視するモニターの設計と応答方法を検討し、ポリシーからの偏差を測ることで計算量を削減しつつ性能を維持する手法を提案。
- CAP: 学習型ノイズ除去による連続適応型知覚ブラインドヒューマノイド歩行歩行2026/9/10
劣化した深度入力を学習型デノイザで復元しつつ固有感覚も併用することで、知覚が不確実な環境でも途切れずに歩行できるヒューマノイド制御ポリシーを提案した。
- Athena-Brain技術報告:汎用知能と身体化インタラクションのための効率的なロボット脳VLA2026/7/21
8B規模のLLMをロボットのオンデバイス脳として開発し、多段階のポストトレーニングにより汎用知能と身体化インタラクション能力を両立させた。
- CMoE: 人型ロボットの運動制御と地形適応のための対比混合エキスパート歩行2026/3/1
混合エキスパートのゲーティングが地形ごとに均一化する問題を、対比学習で専門化を促すことで解決し、複雑な地形を歩行できる人型ロボット制御手法を提案した。
- 大規模な器用なロボットピアノ演奏マニピュレーション2025/11/1
人間の実演なしに強化学習と模倣学習を組み合わせ、約1000曲を演奏できるロボットハンドを実現した。
- ヒューマノイドのための生成的世界モデリング:1X World Model Challenge 技術報告世界モデル2025/10/1
ヒューマノイドの実世界インタラクションを対象とした世界モデルベンチマークに取り組み、動画生成基盤モデルと時空間Transformerで未来予測タスクの両部門1位を達成した。
- 未ラベル動画からの記号誘導による視覚プラン抽出視覚プランニング2025/5/1
未ラベルのプレイデータから視覚基盤モデルを用いてタスク記号を抽出し、記号遷移グラフに基づいて長期的な操作タスクの視覚サブゴールを効率的に生成するフレームワークVis2Planを提案。
- マルチビークル相互作用のためのトポロジー駆動型軌道最適化軌道最適化/群制御2025/3/1
トポロジカルプランニングに着想を得た微分可能な局所ホモトピー不変量メトリックを制約として組み込み、同一初期値から複数の相互作用軌道を生成し、制御可能な相互作用を実現する軌道最適化フレームワークを提案した。
- 低コスト加速度センサの精度とレンジを向上させるHEROS-GANセンサ信号処理2025/2/1
低コスト加速度センサの信号を高コスト相当に変換するGANを提案し、未ペアデータの最適輸送監督と変調ラプラスエネルギーで精度・レンジを大幅改善した。
- 非キュレーション�データで世界モデルを導く効率的強化学習強化学習/世界モデル2025/2/1
報酬なし・品質混在・複数身体性の未整理データを世界モデルの微調整に活用し、経験リハーサルと実行ガイダンスでオンライン強化学習のサンプル効率を大幅に改善した。
- 都市公共空間における文脈適応型ヒューマンロボットインタラクションHRI2024/12/1
制御された環境から動的な都市公共空間へと広がるHRIの文脈適応性を議論するワークショップを提案し、設計機会と課題を探る。
- 二段階最適化によるヒューマノイドロボットの動作模倣模倣学習2024/10/1
人間のモーションキャプチャデータを物理的に実現可能な参照動作へと修正しながら、ヒューマノイドロボットの模倣学習ポリシーを二段階最適化で同時に訓練する手法を提案した。
- HGS-Planner: 3Dガウシアンスプラッティングを用いた能動的シーン再構成のための階層的計画フレームワーク能動的再構成/3DGS2024/9/1
3Dガウシアンスプラッティングを活用し、完成度と品質の向上を評価しながら大域・局所計画を統合することで、未知環境を高速かつ高精細に能動再構成する階層的計画手法を提案した。
- RP1M: 両手多指ロボットハンドによるピアノ演奏のための大規模動作データセットマニピュレーション2024/8/1
両手多指ロボットによるピアノ演奏の動作データを100万軌道以上集めた大規模データセットRP1Mを構築し、模倣学習のベンチマークで最先端性能を達成した。
- 時間的一貫性のみに基づく簡素化強化学習モデルベースRL2023/6/1
潜在時間的一貫性で学習した潜在ダイナミクスモデルのみを用いる簡素な表現学習が、高次元の運動タスクで高性能な強化学習を実現し、既存手法より高速に学習できることを示した。
- オフラインからオンライン強化学習への安定した適応のための適応的行動クローニング正則化オフライン強化学習2022/10/1
オフライン強化学習で事前学習したエージェントをオンライン微調整する際、行動クローニング損失の重みを性能と安定性に基づいて適応的に調整し、さらにQ関数のランダム化アンサンブルを用いることで、性能崩壊を防ぎつつサンプル効率を向上させる手法を提案。
- 連続モンテカルログラフ探索プランニング2022/10/1
連続状態・行動空間でのオンライン計画のため、類似状態をクラスタリングして確率的バンディットノードとし、探索木ではなく層状有向グラフを構築するCMCGSを提案。DeepMind Control Suiteなどで既存手法を上回る。
- 低コスト実世界強化学習ベンチマークとしての自動運転学習(L2D)実世界RL/自動運転2020/8/1
Donkey carをミニチュアコースで走らせる低コストな実世界RLベンチマークを提案し、単眼画像と速度のみから脱輪を報酬に既存RLアルゴリズムが5分以内で運転を学習できることを示した。
