Zichen Jeff Cui
New York 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
- PanoTac：堅牢な触覚中心マニピュレーションのための高密度三軸触覚センサ触覚2026/11/2
低コストで柔軟な三軸触覚指先センサを開発し、視覚触覚パイプラインに統合して、視覚のみのベースラインを平均46.7ポイント上回る接触リッチな操作を実現した。
- 暗黙的ダイナミクスを持つ階層型ワールドモデルワールドモデル/計画2026/10/30
状態空間の到達可能性と局所制御を分離した階層型ワールドモデルを提案し、高レベルでサブゴールを選び低レベルで逆ダイナミクスにより精密な行動に変換することで、長期的タスクの計画精度を大幅に向上させた。
- パッチポリシー：高密度視覚表現による効率的な身体制御VLA2026/7/1
Vision Transformerの事前学習済みパッチ特徴を直接利用する軽量なロボットポリシーを提案し、グローバル表現や大規模VLAを凌ぐ性能を達成した。
- YOR: 汎用ロボティクス研究のための自作モバイルマニピュレータモバイルマニピュレーション2026/2/1
全方向移動ベース・伸縮リフト・双腕を組み合わせた低コスト（1万ドル以下）のオープンソース移動マニピュレータを開発し、全身協調動作や双腕操作、自律ナビゲーションを実証した。
- 接触アンカーポリシー：接触条件付けによる強力なロボットユーティリティモデルマニピュレーション2026/2/1
言語指示の代わりに空間上の接触点を条件として使い、モジュール型ユーティリティモデル群として構成した操作ポリシーCAPを提案。軽量シミュレータEgoGymでの実機-シミュレーション反復により、23時間のデモデータのみで新環境・新機体にゼロショット汎化し、最先端VLAを56%上回る。
- DynaMo: 視覚運動制御のためのドメイン内ダイナミクス事前学習模倣学習2024/9/1
専門家のデモンストレーションのみを用いて、潜在空間での逆ダイナミクスモデルと順ダイナミクスモデルを自己教師あり学習し、視覚表現を獲得する手法を提案。模倣学習の性能を向上させる。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 遊びから方策へ：未整理ロボットデータからの条件付き行動生成模倣学習2022/10/1
非専門家の遊びデータから、将来の目標で条件付けして多様な行動を生成するC-BeTを提案し、シミュレーションで45.7%改善、実機でもタスクラベルなしで有用な行動を学習できることを示した。
- Behavior Transformer：単一モデルで複数モードを模倣する模倣学習2022/6/1
ラベルなしの実演データから多様な行動モードを学習するため、Transformerに行動の離散化とオフセット予測による補正を組み合わせたBehavior Transformer (BeT)を提案し、ロボット操作や自動運転のデータセットで有効性を示した。
