Zhi Hou
ACE Robotics
収録論文 17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
- 経験時代における実世界コード・アズ・ポリシー:ACE-CaP-0マニピュレーション2026/11/12
人間の実演とシミュレーションを選択的に活用してコードポリシーを改良するエージェント手法を提案し、8つの実世界マニピュレーションタスクで92.1%の成功率を達成した。
- ACE-Brain-0.6:身体性基盤モデルのための空間グラウンディングのスケーリングVLA2026/10/19
ロボット操作記録と多様な視覚データを統合したデータパイプラインで約150万件の検証可能なグラウンディング教師信号を作り、Qwen3.5-9Bを微調整して空間知覚を強化したモデル。7つの公開ベンチマーク中4つでGPT-6 Astraを上回った。
- GPT-6-Astraは身体知能を獲得したのかVLA2026/10/15
GPT-6-Astraを12のベンチマークで大規模評価し、操作・移動・器用な手などで高い性能を示す一方、実機展開ではICL用デモ収集コストや実行時間と成功率のトレードオフなどの課題を明らかにした報告。
- Atomic-WAM:実行に基づく原子的動作推論によるワールドアクションモデルVLA2026/10/14
視覚言語推論器が次に行う局所動作を記述し、それをワールドアクションモデルが実行可能な行動に変換する枠組みを提案。実行成功率に基づく強化学習で推論器を調整し、実機→シミュレーション評価で有効性を示した。
- ReAP: 視覚的失敗認識から行動条件付きリスク予測へ、実行時失敗監視のためのフレームワーク失敗監視2026/10/12
ロボット政策の実行時失敗を予測するため、視覚的失敗検出と行動条件付き将来リスク予測を組み合わせた監視フレームワークReAPを提案し、シミュレーションと実世界で検出精度と警告の適時性のバランスを実証した。
- 意味・動態・制御を再配線する:シンプルかつ効果的な行動中心型トリプルストリームTransformerVLA2026/10/8
VLMと動画生成ワールドモデルを別々のストリームとして保持しつつ、行動専門家が層ごとのアテンションで両者の表現を統合するACT³を提案し、実機・シミュレーションのマニピュレーションで優れた性能を示した。
- PF-RL: 視覚言語行動モデルのための目標条件付き価値幾何による進捗場強化学習VLA2026/9/26
VLAモデルの特徴上に目標条件付きの進捗表現を学習し、その幾何的距離から密な報酬を生成することで、長期的なマニピュレーションタスクの強化学習を効率化する手法を提案。
- StreamPI: 視覚・言語・行動モデルのためのストリーミング型マルチモーダル時間モデリングVLA2026/8/26
単一フレームのVLAモデルに追加パラメータなしで時間的推論能力を付与するフレームワークを提案し、実ロボットタスクで有効性を実証した。
- ExToken: 効率的なVision-Language-Action強化学習のための構造化探索VLA/強化学習2026/7/1
VLAモデルの強化学習における探索停滞問題を分析し、軌跡の多様性がサンプル効率に重要であることを示した上で、オフラインのデモから得た離散的な行動プリミティブに基づいて探索を構造化するExTokenフレームワークを提案した。
- ACE-Brain-0.5:物理的エージェントAIのための統合具現化基盤モデルVLA2026/7/1
ロボット知能を空間知覚、意思決定、身体的行動、自己監視、自己改善の5機能に統合した、単一の8Bバックボーンによる閉ループ基盤モデルを提案する。
- ACE-Brain-0: 空間知能を共通の足場とする普遍的身体性知能基盤モデル2026/3/1
多様な身体(自動運転、ロボット、ドローン)を統合する基盤モデルを提案し、空間知能を共通の足場として、専門化と融合を経て高い性能を達成した。
- カメラ空間で行動を接地する観測中心の視覚-言語-行動ポリシーVLA2025/8/1
ロボットの手先姿勢をロボット基準座標系ではなくカメラ座標系で予測するOC-VLAを提案し、視点変化への汎化とタスク成功率を改善した。
- 視覚的身体脳:マルチモーダル大規模言語モデルに空間での知覚・思考・制御をVLA2025/6/1
マルチモーダルLLMをロボット制御に統合するVeBrainを提案し、テキストベースの制御信号を実機の動作ポリシーに変換するアダプタと大規模指示データセットで脚ロボットやアームの適応的な操作を実現した。
- Dita: 汎用視覚言語行動ポリシーのための拡散TransformerのスケーリングVLA2025/3/1
Transformerで連続行動列を直接ノイズ除去するマルチモーダル拡散フレームワークを提案し、多様なロボットデータを統合して長期的タスクや実環境適応を実現した。
- 拡散トランスフォーマーポリシーVLA2024/10/1
大規模マルチモーダル拡散トランスフォーマーで連続行動系列を直接ノイズ除去し、多様なロボットデータセットで汎化性能を向上させる手法を提案。
- 自己合成学習による人-物体インタラクション概念の発見HOI認識2022/3/1
既知のHOIカテゴリだけでなく未知の動詞と物体の組み合わせも発見するため、概念信頼度行列をオンライン更新しながら疑似ラベルで自己学習するフレームワークを提案した論文。
- アフォーダンス転移学習による人-物体インタラクション検出HOI検出2021/4/1
人-物体インタラクション表現をアフォーダンスと物体表現に分解し、未知物体へアフォーダンスを転移することで新規物体とのインタラクション検出とアフォーダンス認識を同時に改善する手法を提案した。
