Zhe Hu
Chongqing University
収録論文 12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
- Capek 0.5: 実行中心の視覚言語モデルによる具現化知能VLA2026/8/7
ロボットの実行プロセスに着目し、空間推論・時間理解・行動誘導・状態検証の4つの能力を専門家モデルで学習し、統合する視覚言語モデルCapek 0.5を提案した。
- EvoHIL: 自己進化型報酬とフローマッチングによるポリシー最適化を用いた堅牢な人間参加型強化学習強化学習2026/8/1
人間参加型強化学習において、報酬モデル・行動生成・視覚ドメインの3つの限界を同時に適応させる統一フレームワークEvoHILを提案し、照明変化下の6つの操作タスクで性能を向上させた。
- 動力学ブラインドネスの克服:VLAモデルのための学習不要のペース・経路補正VLA2026/5/1
単一フレーム観測に基づくVLAモデルが動的環境で性能劣化する問題に対し、学習不要で閉形式の推論時補正演算子を提案し、動的環境での成功率を最大28.8%向上させた。
- 照明変化に頑健な人間参加型ロボット強化学習強化学習2026/5/1
照明変化による視覚分布のずれで性能が落ちる問題に対し、追加の実ロボット操作なしで、画像の再照明と忘却防止機構を組み合わせたオフライン微調整フレームワークRoHILを提案した。
- Goal2Skill: 適応的計画と内省による長期的操作VLA/操作2026/4/1
長期的な操作タスクを高レベルの計画と低レベルの実行に分離した二重システムフレームワークを提案し、記憶と適応的再計画を実現して成功率を大幅に向上させた。
- HSC-VLA: 高密度クラッタ環境での堅牢な両腕操作のための階層的シーンクリアリング両腕操作2026/3/1
高密度な環境での操作タスクにおいて、タスクに関係ない視覚情報が注意を散漫にし性能を低下させる問題を解決するため、高レベルな視覚意味推論と低レベルな感覚運動実行を分離する階層的フレームワークを提案した。
- 言語拡張型記号プランナによるオープンワールドタスク計画タスク計画2024/7/1
大規模言語モデルを組み合わせて、不完全な知識しかないオープンワールド環境でも記号プランナが動作できるようにし、実行エラーを診断しながら知識を段階的に構築する手法を提案した。
- 自然言語指示に従う複雑環境での安全ナビゲーションナビゲーション2018/9/1
「レストランへ行き、人から離れて」といった自然言語指示を目標・制約・無情報に分類し、動的に解釈しながら移動障害物を避けて安全に経路計画・ナビゲーションするシステムを構築した。
- 変形可能物体操作のための学習ベースフィードバック制御変形物体操作2018/6/1
未知の変形パラメータを持つ変形物体の位置と形状を視覚サーボ制御するため、オンラインGPRとオフライン模倣学習でフィードバック制御則を学習する枠組みを提案した。
- ランダムフォレスト模倣学習による布操作変形物体操作2018/2/1
布の視覚特徴から最適な操作行動を出力するランダムフォレスト制御器を模倣学習で構築し、しわ伸ばし・折り畳み・ねじりなどの布操作を頑健に実現した。
- 視覚フィードバック辞書による高変形材料の操作変形物体操作2017/10/1
布などの高変形材料を目標形状に操作するため、RGB画像から変形モデル特徴のヒストグラムを抽出し、特徴空間の速度とロボット手先速度を対応付ける視覚フィードバック辞書を構築した研究。
- 高速オンラインガウス過程回帰による3次元変形物体の操作変形物体操作2017/9/1
ロボットの動きと変形物体の変形の対応をガウス過程回帰でオンライン学習し、不要なデータを除去して高速化することで、未知の変形特性を持つ物体の位置と形状を正確にサーボ制御する手法を提案した。
