Zebin Xing

Open-Phoenix Team

収録論文 13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

• フィジカルキャンバス：ロボット政策評価・学習のための視覚触覚ワールドモデル
  ワールドモデル2026/10/20

  接触を伴うマニピュレーション向けに、RGB・触覚画像・マーカー変位・タスク状態・行動を統合した視覚触覚ワールドモデルを構築し、政策の閉ループ評価とGRPO更新を可能にした研究。

• 接触を伴う操作のための相互作用潜在表現による行動生成
  マニピュレーション2026/10/13

  動作・接触・力の変化をまとめて潜在表現として扱い、それを行動単位としてVLAや世界モデルの学習・改善に用いる手法を提案。実機4タスクで成功率を向上させた。

• WALA: 行動ラベル付きデモと行動フリー動画から実行可能な潜在行動を学習する
  ロボット学習2026/7/1

  行動ラベル付きデモと行動フリー動画の両方から実行可能な潜在行動を学習するフレームワークWALAを提案し、ロボットポリシーの性能と汎化性を向上させた。

• 模倣を超えて：ハードネガティブから学ぶ安全なエンドツーエンド自動運転
  自動運転2026/5/1

  成功事例だけでなく失敗事例も学習に取り入れることで、軌道の安全性を向上させる自動運転の模倣学習フレームワーク「BeyondDrive」を提案した論文。

• PokeVLA: 包括的な世界知識の指導によるポケットサイズの視覚言語行動モデルの強化
  VLA2026/4/1

  この論文は、ロボット操作のための軽量な視覚言語行動モデルPokeVLAを提案し、2段階のトレーニングと新しいアクションエキスパートにより、LIBERO-Plusベンチマークと実世界で高い性能を達成した。

• 潜在世界行動モデリングによるエンドツーエンド自動運転
  自動運転2026/3/1

  空間認識と動力学を考慮した潜在世界表現を用いた効率的なエンドツーエンド自動運転フレームワークを提案し、軌道計画性能を向上させた。

• DreamerAD: 潜在世界モデルによる自動運転のための効率的な強化学習
  自動運転/世界モデル2026/3/1

  動画拡散モデルのサンプリングを100ステップから1ステップに圧縮し80倍高速化した潜在世界モデルで、自動運転の強化学習を安全かつ高頻度に訓練可能にした。

• MeanFuser: MeanFlowによる高速ワンショット多様体軌道生成と適応的再構成を用いたエンドツーエンド自動運転
  自動運転/軌道生成2026/2/1

  ガウス混合ノイズとMeanFlowを組み合わせ、離散アンカーに依存せず高速かつロバストに軌道を生成するエンドツーエンド自動運転手法を提案。

• Mimir: 不確実性伝播を伴う階層的目標駆動拡散によるエンドツーエンド自動運転
  自動運転2025/12/1

  目標点の不確実性をラプラス分布で推定し、マルチレート誘導機構で先読みすることで、堅牢かつ高速な軌道生成を実現した階層型自動運転フレームワーク。

• オンラインマップの不確かさを活用した安全なエンドツーエンド自動運転
  自動運転2025/4/1

  知覚モジュールでオンラインマップの不確かさを見積もり、その不確かさを予測・計画・軌道選択に活用することで、衝突率を最大26%削減する手法UncADを提案した。

• ComDrive: 快適性重視のエンドツーエンド自動運転
  自動運転2024/10/1

  拡散モデルで時間的に一貫した軌道を生成し、快適性を考慮したスコアラで選択するエンドツーエンド自動運転システムを提案。

• OccRWKV: 線形計算量で効率的な3D意味占有予測の再考
  3D意味占有予測2024/9/1

  RWKVアーキテクチャを応用し、意味・占有・特徴融合を分岐させた効率的な3D意味占有予測ネットワークを提案。BEV空間での特徴強化により22.2FPSのリアルタイム推論を実現し、SemanticKITTIで最高精度を達成。

• PlanAgent: マルチモーダル大規模言語モデルによる閉ループ車両運動計画
  自動運転計画2024/6/1

  マルチモーダルLLMを認知エージェントとして用い、BEV地図とテキスト記述から階層的推論でプランナコードを生成し、反省モジュールで評価する閉ループ車両運動計画システムを提案。nuPlanで評価。