Ziyao Zeng
Yale University
収録論文 8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
- 空間オーディオからのストリーミング人間動作生成動作生成2026/10/9
空間オーディオを入力として、人間が音に反応する動作をリアルタイムにストリーミング生成するフレームワークSonic-AMGを提案。リハーサル訓練と空間フィードバックで訓練・推論の不一致を軽減した。
- TouchScale:視覚と触覚の大規模ヒューマンインタラクションデータセット触覚2026/10/7
単一のウェアラブル装置で収録した500時間の接触豊富な人間の行動データを構築し、視覚-触覚学習の事前学習に用いることで、未知の触覚センサへのゼロショット予測やロボットの接触を伴う操作タスクの成功率を大幅に改善した。
- 巧みな触覚ワールドモデル触覚2026/9/28
手袋型触覚センサと映像を組み合わせ、一人称視点の操作を予測する映像拡散トランスフォーマーベースのワールドモデルを提案。触覚情報により手の動きの過小評価を23%から9%に低減し、手領域の知覚誤差を7.4%改善した。
- 視覚・言語・行動を分離した効率的なマルチタスクロボット方策VLA2026/9/16
VLMを使わず視覚エンコーダ・言語エンコーダ・行動ヘッドを分離した方策を構築し、同等の成功率を保ちつつ推論速度と省エネ性を大幅に改善した。
- ロボット基盤モデルにおける近道学習を軽減する人工中心窩知覚ロボット基盤モデル2026/7/1
ロボット基盤モデルがシーン内の無関係な相関に依存する「近道学習」を起こす問題を指摘し、タスク関連領域に注意を向けるマスクを生成する軽量モジュール(AFP)を提案。微調整時の補助信号として用いることで、モデルの性能とロバスト性を向上させる。
- 物理基盤のマルチエージェントダイナミクスベンチマーク:ワールドモデルにおけるワールドモデル2026/6/1
ワールドモデルの生成するマルチエージェント衝突シナリオの物理的妥当性を評価するフレームワークCrashTwinを提案し、既存モデルが視覚品質は高いが物理法則に反する挙動を示すことを明らかにした。
- UniTac: クロスセンサ触覚理解と生成のための統一マルチモーダルモデル触覚2026/6/1
触覚の理解と生成を統合する初の統一マルチモーダルモデルUniTacを提案し、物体特性の記述とセンサ識別のタスク、および再構成と整列の二段階学習により、複数センサにわたる現実的な触覚信号の生成を実現した。
- UniTouch:触覚をあらゆるモダリティに結びつける統合マルチモーダル触覚表現学習触覚2024/1/1
視覚ベースの触覚センサを視覚・言語・音声と統合するUniTouchを提案し、センサ固有トークンで異種センサを同時学習、ゼロショットで把持予測や触覚画像QAを実現した。
