Yixin Lin

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

• Proc4Gem: 手続き的生成による物理的エージェンシーの基盤モデル
  sim2real2025/3/1

  物理シミュレーションで接触を含む軌道を大量生成し、そのデータでGeminiを微調整することで、言語指示に従って四足ロボットが実環境で物体を押し動かせるようにした研究。

• Gemini Robotics：AIを物理世界へ
  VLA2025/3/1

  Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。

• 身体性知能のための人工視覚皮質の探求：現状と展望
  VLA2023/3/1

  身体性AI向けの視覚基盤モデルを17タスクで体系的に評価し、大規模データで学習したVC-1が平均的に優れるが万能ではないことを示し、適応で更なる性能向上を実現した。

• MoDem: デモンストレーションによる視覚モデルベース強化学習の加速
  モデルベースRL2022/12/1

  少数のデモンストレーションを活用し、方策事前学習・標的探索・デモデータのオーバーサンプリングの3段階でモデルベース強化学習のサンプル効率を大幅に改善する手法を提案。

• Transformerは適応可能なタスクプランナー
  タスクプランニング2022/7/1

  物体属性ベースの表現を用いたTransformerタスクプランナーを提案し、単一のデモンストレーションをプロンプトとして未知の好みに汎化できることを食洗機積載タスクと実機での食器整理で示した。

• RB2: ロボットマニピュレーションのためのランキング型ベンチマーク
  マニピュレーション2022/3/1

  SOTAアルゴリズム実装をベンチマークに組み込み、複数ラボの実験データを統合してグローバルなランキングを確立する手法を提案した論文。

• 微分可能で学習可能なロボットモデル
  微分可能シミュレーション2022/2/1

  ロボットの運動学・動力学をPyTorchで微分可能かつ学習可能に実装し、データ駆動手法と解析的剛体計算を組み合わせられるライブラリを提案した。

• グラフニューラルネットワークによる効率的で解釈可能なロボットマニピュレーション
  マニピュレーション2021/2/1

  物体間の空間的制約をグラフ上の分類問題として定式化し、模倣学習で訓練した単一のGNNポリシーがブロック積み上げや食洗機への積載などの長期タスクを解き、物体数や実環境への汎化も示した。

• 状態依存損失関数をメタ学習する逆動力学学習
  適応制御2020/3/1

  メタ学習により状態に依存した損失関数を学習し、オンライン適応時の逆動力学モデルの更新を高速化する手法を提案。シミュレーションと実機データで標準損失より適応速度が向上することを示した。

• 微分可能なニュートン・オイラー法に物理制約を組み込む
  ダイナミクス学習2020/1/1

  微分可能なRNEAにパラメータ構造化で物理制約を加え、実機7自由度アームの逆動力学制御で学習速度と汎化性能の向上を検証した。

• 好奇心駆動iLQR：モデルベース強化学習における不確実性の解消
  モデルベースRL2019/4/1

  ベイズ力学モデルとモデル不確実性を考慮したiLQRを組み合わせ、タスクコストと不確実性を同時に最小化するモデルベース強化学習を提案し、7自由度マニピュレータの到達タスクで有効性を示した。