Yuejiang Liu
Stanford University
収録論文 18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
- 実世界デビュー前の統一試験:コーディングエージェントによるロボット制御ベンチマークベンチマーク/エージェント2026/11/9
コーディングエージェントが多様なロボットを物理制約下で制御できるかを評価するため、47体のロボット・35スイート・1,156タスクからなる統一ベンチマーク「Embodied First Exam」を提案した。
- VLALagBench:VLA推論レイテンシがいつなぜ重要になるかを理解するベンチマークVLA2026/11/2
VLAモデルの推論レイテンシがタスク成功率に与える影響を、タスク種別・対象速度・同期/非同期実行・ポリシー別に体系的に評価するベンチマークを提案し、成功率を予測する経験モデルも構築した。
- 物理的インタラクションの学習:触覚・力覚を考慮したロボット学習のサーベイ触覚・力覚学習2026/8/1
触覚・力覚センシングを統合したロボット学習手法を、マルチモーダルかつ多段階のシステム設計の観点から統一的な分類学TF-ARTを用いて整理し、今後の研究課題を考察したサーベイ論文。
- LLMを検証器として使う:汎用検証フレームワークLLM検証2026/7/1
LLMの検証能力を新たなスケーリング軸として捉え、追加学習なしでエージェントタスクにきめ細かいフィードバックを与える汎用検証フレームワークを提案した。スコアの粒度拡大や繰り返し評価、基準分解により検証精度を向上させ、複数のベンチマークで最高性能を達成した。
- DREAM-Chunk: 潜在世界モデルによるリアクティブなアクションチャンキングVLA2026/6/1
アクションチャンキング方式のポリシーに軽量な潜在世界モデルを追加し、テスト時に複数の候補チャンクの未来を予測して最適なものを選択することで、確率的な環境下でのロバスト性を向上させる手法を提案した。
- 世界行動検証器:順方向・逆方向の非対称性による自己改善型世界モデル世界モデル2026/4/1
世界モデルが自身の予測誤差を検出し自己改善するフレームワークWAVを提案。状態の妥当性と行動の到達可能性を分離検証し、順方向・逆方向の非対称性を活用してサンプル効率とポリシー性能を向上させる。
- RoboMME:ロボット汎用ポリシーの記憶能力を評価・理解するベンチマークVLA2026/3/1
長期的・履歴依存的な操作タスクにおけるVLAモデルの記憶機構を評価するため、16タスクからなる標準ベンチマークと14種の記憶拡張VLAを構築し、記憶表現の有効性がタスク依存であることを示した。
- 検証のスケーリングは視覚-言語-行動の整合性において方策学習のスケーリングより効果的になり得るVLA2026/2/1
視覚-言語-行動モデルの指示と行動のずれを減らすため、テスト時に言い換え指示と行動候補を増やして検証する手法CoVerを提案し、方策事前学習のスケーリングより高い性能を示した。
- 自己誘導型アクション拡散拡散方策2025/8/1
拡散ベースのロボット方策において、各拡散ステップの提案分布を事前の決定に基づいて誘導することで、双方向デコードを効率化し、少ないサンプリング予算でも高い成功率を達成する手法を提案した。
- 過去トークン予測による長文脈拡散ポリシーの学習模倣学習2025/5/1
拡散ポリシーに過去の行動トークンを予測する補助タスクを導入し、長い文脈の履歴情報を保持しつつメモリと計算コストを抑えて学習する手法を提案した。
- オンライン経験を活用したデモンストレーションのキュレーション模倣学習2025/3/1
ロボットが自身のオンライン経験に基づいて成功・失敗を見分ける分類器を訓練し、質の異なるデモデータを自動で選別することで、模倣学習の性能を向上させる手法を提案。
- 双方向デコーディング:ガイド付きテスト時サンプリングによるアクションチャンキングの改善VLA2024/8/1
アクションチャンキングの長所と短所を分析し、テスト時に複数候補から後方一貫性と前方コントラストで最適行動を選ぶBIDを提案、シミュレーションと実機で性能を向上させた。
- Forecast-PEFT: 事前学習済み動作予測モデルのためのパラメータ効率的ファインチューニング動作予測2024/7/1
動作予測モデルのファインチューニングにおいて、大部分のパラメータを凍結しプロンプトとアダプタのみを調整する手法を提案し、従来のフルファインチューニングより少ない学習パラメータで高精度を実現した。
- Sim-to-Real因果転移:因果を意識した相互作用表現へのメトリック学習アプローチマルチエージェント2023/12/1
マルチエージェントの相互作用表現に因果注釈を組み込むメトリック学習を提案し、シミュレーションから実世界への因果転移をクロスドメイン多タスク学習で実現した。
- 動作スタイル転移:深層動作予測のためのモジュラー低ランク適応動作予測/転移学習2022/11/1
事前学習済み動作予測モデルを新しいエージェント種別やシーンに効率的に適応させるため、低ランクのスタイルアダプタとモジュラー戦略を提案し、予測精度を向上させた。
- 因果表現の視点による堅牢で適応的な動作予測動作予測2021/11/1
動作予測を不変変数・スタイル交絡・偽相関に分ける因果表現学習を提案し、分布シフト下での堅牢性と少数サンプル転移性能を向上させた。
- Social NCE:社会的認識を持つ動作表現の対照学習群衆ナビゲーション2020/12/1
衝突などの危険な負例を自己教師ありで生成し、対照損失で動作表現を学習することで、軌道予測や群衆ナビゲーションの衝突率を大幅に低減した論文。
- 群衆-ロボット相互作用:注意機構付き深層強化学習による群衆認識型ロボットナビゲーションナビゲーション2018/9/1
自己注意機構で人-ロボット間の相互作用を再設計し、人-人間の相互作用も同時にモデル化することで、混雑環境でのロボットの先読みナビゲーション性能を向上させた研究。
