Zhiyuan Zhou
収録論文 14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
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- 価値強制:全ノイズレベルでリターン分布を整合させる新手法強化学習2026/11/1
フローマッチングでリターン分布を推定し、全ノイズレベルでベルマン整合性を課すことで、限られたデータでも正確な価値学習を可能にする手法を提案。
- ロボットデータ接種:人間とAIの協調による高カバレッジ実演データ収集模倣学習2026/10/28
人間の遠隔操作に学習中の残差ポリシーで摂動を加え、失敗からの回復実演を効率的に収集する共有制御フレームワークを提案し、実機3タスクで有効性を示した。
- パラメータマージによる視覚-言語-行動ロボット方策の頑健なファインチューニングVLA2025/12/1
ファインチューニング時に事前学習済みモデルと重みを補間することで、汎用能力を保ちつつ新しいタスクを頑健に学習する手法を提案した。
- π*0.6:経験から学ぶVLAVLA2025/11/1
実世界での経験と人間の修正を活用した強化学習手法RECAPにより、洗濯物畳みや箱組み立て、エスプレッソ抽出などのタスクを高成功率で実行できる汎用VLAモデルπ*0.6を開発した。
- 空間認識型マニピュレーション順序の学習マニピュレーション2025/10/1
物体間の空間的依存関係を考慮し、散らかった環境での操作順序をリアルタイムに学習・決定するフレームワークOrderMindを提案した。
- アクションチャンキングを用いた強化学習強化学習2025/7/1
将来の行動列をまとめて予測するアクションチャンキングをTDベースの強化学習に導入し、長期的で報酬が疎なタスクにおける探索とサンプル効率を改善するQ-chunkingを提案した。
- 行動的探索:インコンテキスト適応による探索の学習VLA2025/7/1
専門家のデモデータを用いて、過去の観測と探索度合いを条件に行動を予測する長文脈生成モデルを訓練し、オンラインでの高速適応と効率的な探索を実現する手法を提案。
- REACT: 自動運転のためのランタイム能動的衝突回避技術自動運転2025/5/1
動的な交通環境でリスク評価と回避制御を統合した閉ループフレームワークREACTを提案し、4つの高リスクシナリオで100%の安全な回避と50ms未満の低遅延を実現した。
- AutoEval: 実世界における汎用ロボットマニピュレーションポリシーの自律評価マニピュレーション2025/3/1
ロボットポリシーの実世界評価を人手なしで24時間自律的に行うシステムAutoEvalを提案し、自動成功判定とシーンリセットにより人手による評価と近い結果が得られることを示した。
- SafeDrive: 大規模言語モデルを用いた自動運転車の知識・データ駆動型リスク感受意思決定自動運転/LLM意思決定2024/12/1
リスク評価・記憶・LLM推論・反省の4モジュールを組み合わせ、動的で高リスクな環境でも安全な自動運転の意思決定を実現するフレームワークを提案し、実世界データセットで100%の安全率と85%超の人間らしい判断一致を達成した。
- 基盤モデルによる指示追従スキルの自律的改善VLA2024/7/1
視覚言語モデルを活用してロボットが自律的に多様なデータを収集・評価し、人間の注釈なしで指示追従ポリシーを改善する手法を提案。未知環境での性能を2倍に向上させた。
- 両生類触覚センシングのための固有受容状態推定触覚2023/12/1
柔らかいロボット指の内部カメラ映像から変形形状を推定し、陸上・水中の触覚相互作用を再構成する手法を提案。
- ソフトな触覚を自己符号化して陸上から水中への把持を学習する触覚2023/8/1
視覚ベースのソフトロボットフィンガーがSVAEで6軸力・トルクを学習し、陸上で獲得した把持知識を水中へ転移できることを示した。
