Zheyuan Hu
Carnegie Mellon University
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
- SeeQ: 長期的ロボットマニピュレーションのための汎用価値関数の学習マニピュレーション2026/9/18
サブタスク単位でQ値を学習し、自然言語でサブタスクを自己回帰的に予測することで、長期的なロボット操作タスクの性能を向上させる手法を提案。
- R^3: 強化学習による自然言語推論を用いたロボットの訓練ロボット操作2026/8/26
この論文は、ロボット操作タスクにおいて、視覚言語モデル(VLM)を自然言語で推論するように訓練し、その推論結果を低レベル操作ポリシーのガイドとして利用する手法を提案している。
- RaC: 復旧と修正のスケーリングによる長期的タスクのロボット学習模倣学習2025/9/1
人間の介入による復旧・修正軌道でロボット政策を微調整し、長期的タスクの効率と堅牢性を向上させる手法を提案。
- SimLauncher: シミュレーション事前学習によるサンプル効率の高い実世界ロボット強化学習の起動sim2real2025/7/1
デジタルツインシミュレーションで視覚運動ポリシーを事前学習し、その知識を実世界強化学習の価値ブートストラップと行動提案に活用することで、サンプル効率と成功率を大幅に向上させるフレームワークを提案。
- CHOrD: 制御可能な間取りと最適配置を備えた、衝突のない住宅規模の整理された3D屋内シーンデジタルツイン生成シーン生成2025/3/1
2D画像を中間表現として用いることで衝突を防ぎつつ、複雑な間取りに沿った住宅規模の3D屋内シーンを生成するフレームワークCHOrDを提案し、新データセットとともに最先端性能を示した。
- ロボットに怒鳴って教える:言語訂正によるオンザフライ改善VLA2024/3/1
人間がロボットに言語で訂正を与えることで、高レベル方策がリアルタイムに適応し、反復学習を通じて長期的タスクの成功率を向上させるフレームワークを提案。
- SERL: サンプル効率の高いロボット強化学習のためのソフトウェアスイート強化学習2024/1/1
実世界でのロボット強化学習を効率的に行うためのライブラリを開発し、PCB組み立てやケーブル配線などのタスクで25〜50分の訓練で高い成功率を達成した。
- REBOOT: 実世界の巧みな操作を効率的にブートストラップするためのデータ再利用マニピュレーション2023/9/1
サンプル効率の良い強化学習とリプレイバッファのブートストラップを組み合わせ、過去のタスクのデータを再利用して実世界の多指ハンド操作スキルを効率的に学習するシステムを提案。
- 画像からの巧みな操作:サブステップ誘導による実世界自律強化学習マニピュレーション2022/12/1
ユーザーが画像で中間サブタスクを指定するだけで、多指ハンドロボットが実世界で複雑な操作タスクを自律的に強化学習できるシステムを提案した。
