Biwei Huang

収録論文 6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

• CausalWM：身体性世界モデルのための因果連鎖推論
  世界モデル2026/9/19

  未来の映像予測の前に明示的な因果連鎖推論を行う16Bの身体性世界モデルを提案し、大規模動画事前学習・因果CoT中間学習・多目的RL事後学習の3段階で訓練して複数のベンチマークで最高性能を達成した。

• エージェント探索と構造化モデリングの相乗効果によるタスク十分な世界モデルの学習
  世界モデル/強化学習2026/7/5

  エージェントが環境を能動的に探索してタスク関連情報を収集し、そのデータからタスクに必要な最小限の表現を世界モデルで学習することで、サンプル効率と汎化性能を向上させる手法を提案した。

• 因果的にバイアス除去された潜在行動モデルによる身体的行動条件付き世界モデル
  世界モデル2026/7/1

  未ラベル動画から潜在行動を推定する既存モデルは、背景など行動と無関係な要素を混入させる問題を抱える。本論文では、因果的バイアス除去フレームワークCD-LAMを提案し、身体中心の再構成・行動中心の対比学習・潜在空間較正により、制御可能で堅牢な潜在行動表現を実現した。

• 対比的相互作用による物体操作のゼロからの学習
  強化学習2026/6/10

  強化学習における対比学習が操作タスクで苦戦する原因を分析し、相互作用を考慮したリサンプリング手法(IWR)を提案して、シミュレーションと実機のエアホッケーで性能を向上させた。

• SCAR: 自己教師あり連続行動表現学習
  表現学習2026/5/1

  視覚遷移から複数の身体に共通する行動表現を学習する枠組みを提案し、世界モデルの汎化性能を向上させた。

• DreamSAC: 対称性探索によるハミルトン世界モデルの学習
  世界モデル2026/3/8

  物理法則の不変性を能動的に探索する「対称性探索」と、ハミルトン力学に基づく世界モデルを組み合わせ、外挿一般化を実現するフレームワークを提案した。