Zhao Yang
Vrije Universiteit Amsterdam
収録論文 9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
- S情報を用いたロボット制御のための世界モデル学習世界モデル2026/11/9
LeWorldModelに後向きダイナミクス予測と逆ダイナミクス行動予測の2つの潜在損失を追加し、潜在表現の構造化により性能と計画効率を向上させる手法を提案した。
- GRID-Planner: 拡散プランニングのためのグラフ構造関係報酬整形自動運転プランニング2026/10/15
マルチエージェント環境での自動運転プランニングにおいて、グラフ構造の関係信号を報酬整形に組み込み、拡散モデルベースのプランナーを改善するフレームワークを提案。nuPlanとinterPlanで衝突率や車線逸脱を大幅に削減。
- エルミート曲線による視覚言語行動モデルの軌道事前分布VLA2026/8/1
VLAモデルのアクションチャンクをエルミート曲線でパラメータ化し、滑らかさと連続性を明示的に強制する3つの変種を提案。正則化として用いるのが最も効果的で、実ロボットタスクで成功率を大幅に向上させた。
- ChunkFlow: 連続性を保つチャンク型ポリシー学習に向けてVLA/行動生成2026/7/1
VLAモデルのチャンク型アクション出力で生じる境界の不整合(ジッタ)を、チャンク構造と実行を整合させる学習・実行フレームワークChunkFlowを提案し、CALVINやLIBERO、実ロボットで成功率と安定性を改善した。
- 自動運転のための言語-行動の理解と生成の統合自動運転/VLA2026/3/1
自動運転向けのVLAモデルにおいて、言語と行動のトークンを共有コードブックで統合し、補助的な行動理解目標と粗密生成法を導入することで、指示追従精度と推論効率を向上させた。
- U-ViLAR: 不確実性を考慮した自動運転向け視覚自己位置推定自己位置推定2025/7/1
視覚情報をBEV空間に変換し、知覚・位置推定の不確実性を考慮した対応付けと位置合わせを組み合わせることで、GNSSが不安定な都市環境でも高精度に自己位置を推定するフレームワークを提案。
- DriVerse: マルチモーダル軌跡プロンプトとモーション整合による運転シミュレーション用ナビゲーション世界モデル運転シミュレーション/世界モデル2025/4/1
単一画像と将来の軌跡から運転シーン動画を生成する世界モデル。軌跡をテキスト化し2Dモーションプライアとして与え、動き整合モジュールで時間的一貫性を高める。
- まず戻ってから探索せよ:内在的動機付けにおけるポスト探索の利点強化学習探索2022/12/1
強化学習の探索手法Go-Exploreの「ポスト探索」をIMGEP枠組みで分離検証し、多様な状態到達と性能向上に有効で実装も容易だと示した。
- 連続エピソディック制御強化学習2022/11/1
連続行動空間における強化学習のための非パラメトリックなエピソディックメモリ手法を提案し、スパース報酬の連続制御タスクで高速学習を実現した。
