Zhe Cao
Shanghai AI Laboratory
収録論文 6本 ・ フィジカルAI/ロボット学習
所属歴(論文より): Shanghai AI Laboratory(〜2026) / Shanghai Artificial Intelligence Laboratory(〜2026)
世界モデル強化学習/ヒューマノイドハンドキャプチャマニピュレーションヒューマノイド制御自動運転知覚
※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
- InternW0: 効率的な実世界インタラクションのための基盤的物理世界モデル世界モデル2026/9/23
上海AI Labが、視覚予測とロボット制御を非対称なvideo-actionアーキテクチャで統合した物理世界モデルInternW0を提案。約7,200時間のデータで学習し、化学合成やピペッティングなどの実世界タスクで評価した。
- RoboStriker: 自律型ヒューマノイドボクシングのための潜在空間戦略ゲーム強化学習/ヒューマノイド2026/8/17
ヒューマノイドボクシングを2プレイヤーの潜在空間ゼロサムマルコフゲームとして定式化し、戦略的探索と物理的実現性の矛盾を解決する階層的フレームワークを提案した。
- VEPHand: 視点効率的なフォトメトリック手のパフォーマンスキャプチャの大規模化ハンドキャプチャ2026/6/14
約20視点の効率的なマルチビューシステムで、マスク不要のニューラル手法と物理に基づく登録フレームワークを用いて、高忠実度の動的手形状と外観をキャプチャするパイプラインを提案した。
- RoboRouter:ロボットマニピュレーションのための訓練不要なポリシールーティングマニピュレーション2026/3/1
複数の既存ロボット操作ポリシーをプールし、タスクごとに最適なポリシーを経験から学習して選択する訓練不要のルーティング手法を提案。シミュレーションと実世界で成功率を向上させた。
- RoboStriker: 自律ヒューマノイドボクシングのための階層的意思決定ヒューマノイド制御2026/1/1
人間のモーションキャプチャからボクシングスキルを学習し、潜在空間での自己対戦強化学習により、シミュレーションと実機で競技可能なヒューマノイドボクシングを実現した。
- RoboDriveチャレンジ:あらゆる条件でいつでもどこでも走行する自動運転知覚2024/5/1
悪天候やセンサ故障など想定外の状況でも頑健に知覚できる自動運転技術を競う2024年RoboDriveチャレンジの報告で、BEV検出や地図セグメンテーションなど4タスクで140チームが参加した。
