Yueh-Hua Wu
The University of Tokyo
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
- AIRoA-0:手持ちデータから学ぶ長期的・高精度・汎用ロボットマニピュレーションマニピュレーション2026/11/2
ロボットを使わず手持ちグリッパで記録した1.6万時間超のデモから両手マニピュレーションを学習し、未知環境で78%の成功率を達成したシステム。
- YUBI-STAG: 自動動画言語グラウンディングによるVLAのための接触・意味豊富なアラインメントVLA2026/10/7
ロボット実演に接触物体や把持動作などの詳細な意味情報を自動付与し、視覚言語行動モデルをきめ細かい言語指示と整合させるフレームワークを提案。
- CounterAlign: 視覚言語行動モデルのための反事実的監督VLA/強化学習2026/8/22
専門家のデモンストレーションのみから、指示を入れ替えることで反事実的なデータを合成し、オフライン強化学習の報酬モデルを学習する手法を提案。ロボット操作の堅牢性を向上させる。
- マルチモーダルロボットデモにおける指示と軌道の不一致の監査VLA2026/8/1
ロボットのデモデータセットに含まれる、正しい動作だが誤った指示が付与されたデータを検出・修正する監査手法を提案した。
- 少なく見て、多く指定する:汎用VLAのための視覚的証拠予算VLA2026/6/1
視覚言語行動(VLA)モデルの汎化を改善するため、指示を詳細な軌跡・サブタスク言語で再ラベルし、明示的な視覚的証拠予算を課して実行器を訓練するフレームワークS2を提案した。
- 視覚言語行動のための連続推論VLA2026/6/1
自然言語はタスクレベルの粒度であり連続制御には不向きなため、VLAポリシーに適した連続思考を導入し、共有ガウス潜在変数として自己検証目的で学習する手法を提案した。
- 行動なし動画からスキルを学ぶVLA2025/12/1
オプティカルフローを中間表現として用い、行動なし動画から潜在スキルを抽出し、ロボットの長期タスク計画と行動生成を可能にするフレームワークSOFを提案。
- ThinkAct: 強化学習された視覚潜在計画による視覚-言語-行動推論VLA2025/7/1
マルチモーダルLLMで行動整合的な視覚報酬を用いて推論計画を生成し、それを視覚潜在に圧縮して行動モデルを条件付ける二重システムフレームワークを提案。複雑な身体性AIタスクでの少数ショット適応や長期計画、自己修正を実現した。
- DNAct: 拡散モデル誘導によるマルチタスク3Dポリシー学習マニピュレーション2024/3/1
ニューラルレンダリングによる事前学習と拡散モデルによる訓練を組み合わせ、言語条件付きマルチタスク操作ポリシーを少ない実演から学習する手法を提案。
- 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。
- GNFactor: 汎化可能なニューラル特徴場によるマルチタスク実ロボット学習模倣学習2023/8/1
視覚言語基盤モデルで意味情報を蒸留した汎化可能なニューラル特徴場とPerceiver Transformerを共有3Dボクセル表現で統合し、多様な実ロボット操作タスクを模倣学習で実行する手法を提案。
- 弾力的な意思決定トランスフォーマー強化学習2023/7/5
テスト時に履歴長を調整することで軌道の縫合を可能にし、Decision Transformerの性能を向上させる手法を提案。
- 人間の把持アフォーダンスから汎化可能な器用把持操作を学習するマニピュレーション2022/4/1
人間の把持アフォーダンスモデルから多様な3D物体の大規模デモを生成し、模倣学習と幾何表現学習を組み合わせて、同カテゴリの新規物体へ汎化する多指ハンド操作方策を学習した。
- DexMV: 人間の動画から器用な操作を模倣学習する模倣学習2021/8/1
多指ロボットハンドの複雑な操作タスクを対象に、人間の手の動画から3D姿勢を抽出してロボットのデモンストレーションへ変換するパイプラインを構築し、模倣学習の有効性を示した研究。
