Yizhou Zhao
収録論文 14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
- 意味的・視覚的フィードバックでロボット世界モデルを学習する世界モデル2026/11/5
ロボット世界モデルを、候補未来の比較と意味的・視覚的フィードバックで事後学習するRoboImagineを提案し、RT-1などで視覚予測精度を改善した。
- PhySimCode: 物理動画からコード生成へのベンチマークと評価手法物理推論/コード生成2026/10/11
動画から物理法則を推論し、実行可能なシミュレーションコードを生成する能力を評価するベンチマークPhySimCodeを提案し、162の物理現象を含む16万件超のデータで最先端MLLMを評価した。
- 長期的ロボット世界モデルのための重要記憶保持世界モデル2026/10/10
ロボット動画の自己回帰世界モデルにおいて、初期シーンと直近の視覚行動ブロックを保持し古い履歴を破棄する訓練不要の文脈スケジューリング手法ReCAPを提案し、長期ロールアウトでの予測品質と効率を改善した。
- SimWorlds: 動的3Dシーン生成のためのマルチエージェントシステム3Dシーン生成2026/7/2
テキストから動的で編集可能な4Dシーンを生成するマルチエージェントフレームワークを提案し、物理整合性を検証するベンチマークも導入した。
- ConsistNav: 意味的実行制御によるゼロショット物体ナビゲーションの行動一貫性ギャップ解消ナビゲーション2026/5/1
ゼロショット物体ナビゲーションにおいて、検出後に探索と追跡を繰り返したり、成功間近で放棄する「行動一貫性ギャップ」を特定し、訓練不要のフレームワークConsistNavを提案。有限状態実行制御、永続的候補メモリ、安定性考慮の行動制御の3モジュールで意味的証拠の一貫した活用を実現し、HM3D/MP3DでSOTAを達成。
- RoboAlign-R1: ロボットビデオ世界モデルのための蒸留型マルチモーダル報酬アライメントビデオ世界モデル2026/5/1
ロボットビデオ世界モデルの訓練を、再構成損失などの低レベル目的ではなく、指示追従や操作成功などの意思決定に重要な能力に合わせるため、報酬アライメントと長期推論安定化を組み合わせたフレームワークを提案した。
- エンジニアリングAGIへの道:LLMの設計能力を測るベンチマークベンチマーク2025/9/1
9つの工学分野にわたる実践的な設計課題を解かせるベンチマークEngDesignを提案し、LLMのドメイン知識統合や制約下推論、目的指向設計の能力を評価する。
- GR00T N1: 汎用人型ロボットのためのオープン基盤モデルVLA2025/3/1
視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。
- カメラ非依存のSim2Realロボット把持・操作のための三重回帰フレームワークsim2real2023/9/1
実世界とシミュレーションのカメラ視点のずれとロボット制御の誤差を3つの回帰モデルで補正し、RGB画像のみで6自由度の把持・操作を高成功率で実現するSim2Real手法を提案。
- Sim2Plan: シミュレーションと現実間のメッセージパッシングによるロボット動作計画sim2real2023/7/1
シミュレーションと実環境の情報ギャップを埋めるため、シーン理解・ロボット計画・性能検証の3モジュールからなるメッセージパッシング型フレームワークを提案し、コーヒー淹れタスクで有効性を示した。
- ARNOLD: 実環境3Dシーンにおける連続状態を考慮した言語接地型タスク学習ベンチマーク言語条件付き操作2023/4/1
物体の連続的な状態を扱う言語指示タスクのベンチマークARNOLDを提案し、既存の言語条件付き操作モデルが新しい目標状態やシーン・物体への汎化に苦戦することを示した。
- アフォーダンス認識型マルチモーダルニューラルSLAMによる行動学習SLAM/ナビゲーション2022/1/1
複数モダリティで探索しアフォーダンス考慮のセマンティックマップを予測・計画するNeural SLAM手法を提案し、ALFREDベンチマークで大幅な性能向上を達成した。
- 重み付きエントロピーによるSoft Actor-Criticの改良強化学習2020/11/1
状態行動ペアに質的な重みを導入して最大エントロピー原理を重み付きエントロピーに一般化し、自己バランス型の探索を実現するSoft Actor-Criticアルゴリズムを提案した。MuJoCoタスクで最先端性能を達成。
- 協調作業における心のモデリングを用いた説明生成HRI2020/7/1
人間とロボットの協調作業で、ロボットがユーザの心的状態をベイズ推論し、自身の意図を説明することで協調性能と印象を向上させる枠組みを提案した。
