Yixuan Wang
NVIDIA
収録論文 34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
- マルチモーダル3D世界シミュレーションのためのハイブリッド粒子・ボクセルダイナミクス世界モデル2026/11/3
点群を3Dボクセル潜在に圧縮する粒子・ボクセル複合オートエンコーダと行動条件付き潜在ダイナミクスを組み合わせ、見た目・形状・触覚を統一的3D表現で予測する世界モデルを提案した。
- FORCA:接触を伴うロボットマニピュレーションのための力覚対応コーディングエージェントマニピュレーション2026/10/22
視覚と手首の力覚センサ情報を入力に、接触を伴う作業用のPythonプログラムを生成・修正するコーディングエージェントFORCAを提案。実機5タスクで精度向上や表面変化への適応、接触調整の有効性を示した。
- 触覚によるロボットマニピュレーション:力学駆動からデータ駆動への展望触覚2026/10/21
触覚を用いたロボットマニピュレーション研究を、接触力学に基づく力学駆動型と学習に基づくデータ駆動型の二つの視点から整理し、模倣学習・強化学習・VLA・予測モデルなどの最近の進展と今後の課題を展望したレビュー論文。
- 視線を活用した一人称視点の手と物体のインタラクション予測一人称視点/意図予測2026/10/20
視線の固定強度と新しさで意図の曖昧さを減らし、接触位置を明示的に推定した上で拡散モデルにより物体軌道と両手の動きを同時生成する枠組みを提案した。
- ContactBench 1.0:日常的な接触を伴うロボットマニピュレーションのベンチマーク接触を伴うマニピュレーション2026/10/17
日常的な接触を伴う操作スキルを8カテゴリ・36タスク・40以上の物体アセットで再現可能に評価するベンチマークを提案し、視覚のみ・視覚触覚ポリシーの性能を比較した。
- ロボットエージェントのためのオンライン探索スケーリングロボットエージェント/オンライン探索2026/10/15
汎用コーディングエージェントがロボット制御コードを生成し、オンライン探索でタスク達成の行動系列を発見・プログラム化するフレームワークRAXを提案。単腕・双腕・多指・移動・ヒューマノイドで実機・シミュレーション検証し、探索規模拡大に伴う汎化性能向上を示した。
- 多クラス信号時相論理推論のためのクラス条件付き共形予測時系列分類/STL推論2026/10/9
信号時相論理(STL)推論において、クラスごとに共形予測を適用し、分類精度と式の満足度の不一致を定量化する手法を提案。
- 流れの中の骨格:グラフ構造フローマッチングによる人間動作予測動作予測2026/9/26
骨格の時空間グラフ上で条件付きフローマッチングを行い、骨長を保ちながら多様で整合的な未来の動作軌道を生成する手法を提案。
- HapticWorld:リアルタイムトルクフィードバックを備えたインタラクティブ世界シミュレータ触覚2026/9/25
学習した世界モデルにトルク予測とリアルタイムの力覚提示を組み込み、接触の多い操作タスクのデータ収集効率と方策性能を向上させ、実世界評価の代替プラットフォームとしても機能することを示した。
- Streaming-WAM: 非同期ロボットマニピュレーションのための行動条件付きワールドアクションモデルマニピュレーション2026/9/24
未来の視覚予測を行動条件付きで行い、推論とロボット動作を非同期に重ねることで待ち時間を削減しつつ高い成功率を実現したモデル。
- Hydra-0: 汎用世界モデリングと制御のためのアクションフロー世界モデル2026/8/18
ロボットの動作をピクセル運動として表現するアクションフローを用いた汎用世界モデルを提案し、動作誤差を大幅に低減し、ゼロショット合成やデータ効率的な適応を実現した。
- SCP-NL2TL: 自然言語から時相論理仕様への選択的適合予測と意味検証形式仕様変換2026/8/5
自然言語の指示を形式仕様に変換する際、信頼できない翻訳を拒否する選択的翻訳フレームワークを提案。逆翻訳の忠実度と翻訳の分散を組み合わせたスコアで信頼性を評価し、適合予測で誤受理率を制御する。
- 不確実性を考慮した人間からロボットへの組立遠隔操作における意図予測遠隔操作/意図予測2026/6/1
人間の手のデモデータで事前学習し、限られたロボット遠隔操作データで微調整する階層的転移学習と、統計的保証付きのコンフォーマル予測、VLMによるセグメント修正を組み合わせ、組立遠隔操作中の行動認識・意図予測・誤り検出を高精度化した。
- PLAN-S: 潜在スタイルダイナミクスと計画を橋渡しする自動運転ワールドモデル自動運転2026/6/1
自動運転の潜在ワールドモデルにおいて、運転スタイルを条件付けた4チャンネルのセマンティックコストマップを復号し、計画モジュールに統合することで、リスクや運転スタイルの明示的な制御を可能にする新しいブリッジ手法を提案した。
- 生成的強化学習を安定したロボット制御へ導く強化学習/制御2026/6/1
拡散・フローベースの生成的方策を学習し、その確率的な潜在変数サンプリングを決定的な潜在アクターに置き換えることで、探索と制御を分離し、安定かつ高精度なロボット制御を実現するフレームワークを提案した。
- ロボット政策の訓練と評価のためのインタラクティブ世界シミュレータ世界モデル2026/3/1
一貫性モデルを用いて高速かつ安定なインタラクティブ世界モデルを構築し、ロボット政策の訓練と評価を可能にするフレームワークを提案。世界モデル内で収集したデータで訓練した政策が実世界データと同等の性能を示し、シミュレーションと実世界の性能に強い相関があることを実証。
- 実世界からシミュレーション、そして実世界へ:共有自律による効率的で信頼性の高い遠隔操作遠隔操作/共有自律2026/3/1
実世界の遠隔操作データから学習した人間の代理モデルを用いて、シミュレーションで残差コパイロットポリシーを訓練し、実世界の微細な操作タスクで人間の遠隔操作を支援する共有自律フレームワークを提案。
- 動的環境における時間考慮型のConformal Predictionを用いた動作計画動作計画2025/11/1
Conformal Predictionを活用し、不確実な障害物挙動下でも安全な経路計画を実現するグローバル・ローカルプランナを提案。適応的分位点機構で安全性と軌道実現性を両立。
- CodeDiffuser: VLM生成コードによる曖昧な指示に対応する注意強化拡散ポリシーVLA2025/6/1
VLMが自然言語指示を解釈してタスク固有のコードを生成し、そのコードから3D注意マップを作って拡散ポリシーを誘導することで、曖昧な指示下のロボットマニピュレーションを実現するフレームワーク。
- DemoGen: データ効率の良い視覚運動方策学習のための合成デモンストレーション生成模倣学習2025/2/1
タスクごとに1回の人間デモから、3D点群編集と行動軌道の適応により空間的に多様な合成デモを自動生成し、実世界のマニピュレーション方策の性能を大幅に向上させる手法を提案。
- CuriousBot: 操作可能な3D関係物体グラフによる対話型移動探索移動探索2025/1/1
物体間の多様な関係を表す3D関係物体グラフを構築し、移動ロボットが能動的な操作を通じて環境を探索するシステムを提案。VLMのみの手法を上回る性能を示した。
- ドメイン適応と報酬拡張模倣による動力学シフト下の強化学習sim2real2024/11/1
動力学が異なる環境間で方策を転移するため、報酬修正によるドメイン適応と模倣学習を組み合わせたDARAILを提案し、ベンチマークで性能向上を示した。
- GenDP: カテゴリレベル汎化を実現する3Dセマンティックフィールド拡散ポリシーVLA2024/10/1
マルチビューRGBDから大規模視覚モデルで3D記述子場を生成し、参照記述子と比較して意味場を得ることで、拡散ポリシーの未見物体への汎化性能を20%から93%に向上させた。
- 3D-ViTac:視触覚センシングによる繊細なマニピュレーションの学習マニピュレーション2024/10/1
低コストで柔軟な高密度触覚センサと視覚情報を統合した3D表現を用い、拡散ポリシーによる模倣学習で両手巧みな操作を実現するシステムを提案。
- ニューラルネットワーク制御システムの実行時安全性検証:ケーススタディ安全性検証2024/8/1
LiDARを用いたTurtlebotナビゲーションにおいて、ニューラルネットワーク制御システムの実行時安全性をPOLAR-Expressで検証し、検証結果に基づく安全なコントローラ切替戦略を提案・評価した。
- RoboPack: 触覚情報を活用した動力学モデルによる高密度パッキング触覚2024/7/1
視覚と触覚を組み合わせたリカレントグラフニューラルネットワークで物体状態を推定し、モデル予測制御により非把持操作や高密度パッキングを実現する手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 行動プリミティブによる物体相互作用予測:収納タスクへの応用マニピュレーション2023/9/1
行動プリミティブのパラメータ空間で物体同士の相互作用をGNNで予測し、単一のデモから収納タスクを実行する汎化可能なロボット方策を提案した。シミュレーションのみで学習しながら実環境の多様な棚や物体に適応できる。
- D³Fields: ゼロショットで汎化可能な再配置のための動的3D記述子フィールドマニピュレーション2023/9/1
3D点を入力に意味特徴とインスタンスマスクを出力し、動的な環境変化も捉える暗黙的3D表現を提案し、ゼロショットでの物体再配置タスクで有効性を示した。
- 運動学を考慮した潜在確率微分方程式モデリングによる軌道生成と予測軌道生成・予測2023/9/1
自動運転の軌道生成・予測において、運動学の知識をニューラル確率微分方程式に組み込み、物理的に現実的で制御可能な車両軌道を生成・予測する手法を提案した。
- 適応的予測を用いた安全性保証付き投機的プランニング自動運転プランニング2023/7/1
周辺車両の挙動・軌道の不確かさを確率で定量化し、最新状況に応じて予測を適応させながら、期待報酬最大化と最悪ケースの安全性確保を両立する自動運転のプランニング手法を提案した。
- 物体の山を操作するための動的解像度モデル学習マニピュレーション2023/6/1
環境を粒子表現で表し、グラフニューラルネットワークで解像度を連続的に選択できる統一的なダイナミクスモデルを学習。テスト時にはMPCの各ステップで最適な解像度を適応的に決定し、粒状物体の山の操作タスクで固定解像度の手法を上回る性能を実現した。
- 物理シナリオを考慮した階層型ニューラルプランナの安全保証設計プランニング/形式検証2022/1/1
自動運転向けに、物理シナリオごとの運動計画戦略を階層的に学習するニューラルプランナを提案し、到達可能集合の過近似と分割・統合手法による形式検証で安全性を保証する。
- 幾何制約を課しながら部分的に遮蔽された変形物体を追跡する手法変形物体追跡2020/11/1
RGBD画像と運動モデルを用いて、ひもや布などの変形物体が遮蔽や障害物に囲まれた環境でも形状を追跡する手法を提案。凸幾何制約により自己交差や障害物への貫入を防ぎ、従来法を大きく上回る精度を実現した。
