Boyang Xing

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

• Extreme-RGMT: 高ダイナミックスキルの継続学習による堅牢な汎用ヒューマノイド制御
  ヒューマノイド制御2026/7/1

  汎用の動作追跡ポリシーと専門的な高ダイナミック動作の実行を両立させるため、継続学習フレームワークを提案し、難易度に基づくサンプリングと軌道再サンプリングで性能を向上させた。

• 選択的敵対的動作事前分布を用いたヒューマノイドロボットのマルチ歩容学習
  歩行2026/4/1

  ヒューマノイドロボットが歩行、行進、走行、階段昇降、跳躍の5つの歩容を統一的な強化学習フレームワークで習得する手法を提案。安定性重視の歩容にはAMPを適用し、動的歩容には適用しない選択的AMP戦略により、全歩容で性能が向上することを示した。

• ロバストで汎化可能なヒューマノイド動作追従
  ヒューマノイド制御2026/1/1

  因果的時系列エンコーダとマルチヘッドクロスアテンションで動力学に応じて参照動作を集約し、転倒回復カリキュラムを組み合わせることで、少ないデータで汎化・ロバストなヒューマノイド全身制御を実現した。

• InternVLA-A1：ロボットマニピュレーションのための理解・生成・行動の統合
  VLA2026/1/1

  シーン理解・視覚的予測・行動実行の3つの専門家をMixture-of-Transformersで統合したVLAモデルを提案し、実世界12タスクで既存手法を上回る性能を達成した。

• STEPプランナー： embodied長期的タスクプランナーとしての階層横断サブゴール木構築
  タスクプランニング2025/6/1

  LLMによるサブゴール分解と終了判定を組み合わせ、粗から細への階層的木を構築することで、ロボットの長期的タスク計画の成功率を向上させるフレームワークを提案。

• Unity RL Playground：移動ロボット向けの汎用強化学習フレームワーク
  sim2real2025/3/1

  Unity ML-Agents上に構築したオープンソースの強化学習フレームワークで、移動ロボットの歩行・走行・跳躍などの運動学習を自動化し、実機転移や設計最適化も視野に入れる。