Yitang Li
RoboParty Lab
収録論文 9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
- 異種ヒューマノイド間で全身運動追従を共有する構造化身体条件付けフレームワーク全身運動追従2026/10/24
身体構造の違いを記述する条件を強化学習に組み込み、16系統・4096体のヒューマノイドで単一ポリシーによる全身運動追従を実現した。
- P-BFM: 教師なし強化学習による知覚型行動基盤モデルでヒューマノイドを制御ヒューマノイド制御2026/10/11
地形に依存しない意図と地形に応じた実現を分離し、地形情報なしで学習した行動基盤モデルにより、様々な地形で適応的なヒューマノイド制御を実現した研究。
- I-BFM: 教師なし強化学習による報酬条件付きロバストヒューマノイドインタラクションVLA2026/10/5
人間・物体・接触の結合ダイナミクスを教師なし強化学習で共有表現として学習し、下流タスクの報酬に条件付けられた単一の方策で運搬・押し・キックなどの全身インタラクションを実行できるヒューマノイド基盤モデルを提案した。
- PredActor: 予測的行動拡散による操縦可能なオンボードヒューマノイド制御ヒューマノイド制御2026/9/21
固有感覚のみを用いて行動と将来状態軌道を同時生成し、テスト時にも目標へ操縦できるヒューマノイド制御ポリシーを提案。
- OMG: 汎用人型ロボット制御のための全モーダル動作生成全身制御/動作生成2026/6/1
多様な入力モダリティ(言語、音声、人間の参照動作)に基づいて全身動作を生成する拡散モデルを提案し、データキュレーションと階層的制御構造により汎用的な人型ロボット制御を実現した。
- BFM-Zero: 教師なし強化学習によるヒューマノイド制御のためのプロンプト可能な行動基盤モデルヒューマノイド制御2025/11/1
教師なし強化学習とForward-Backward表現を用いて、運動・目標・報酬を共通の潜在空間に埋め込み、再学習なしに多様な全身タスクを実行できるヒューマノイド制御の基盤モデルを提案し、実機Unitree G1でゼロショット運動追従や目標到達を実現した。
- HDMI: 人間の動画から対話型ヒューマノイド全身制御を学習全身操作2025/9/1
単眼RGB動画から人間と物体の軌道を抽出・再ターゲットし、強化学習でヒューマノイドの全身物体操作スキルを学習、実機にゼロショット展開するフレームワーク。
- ビールをこぼさず運べ:ヒューマノイドの優雅な歩行とエンドエフェクタ安定化制御歩行2025/5/1
上半身と下半身を異なる周波数・報酬で制御する2エージェントフレームワークSoFTAを提案し、歩行中のエンドエフェクタの加速度を2〜5倍低減して、ほぼ満杯のカップをこぼさず運ぶなどの繊細な作業を可能にした。
- 短い歩行モーション参照から物理ベースの全身リーチング・把持を学習全身マニピュレーション2025/3/1
短い歩行モーションデータのみを用い、物理的に実現可能な全身のリーチング・把持動作を多様に生成するフレームワークを提案。歩行から転移可能な運動パターンと生成された把持姿勢を組み合わせ、能動的データ生成と局所特徴整合で成功率と自然さを向上させた。
