Chang Yu
University of California, Los Angeles
収録論文 11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
- FetchMan: シミュレーション経験から学ぶ視覚的ヒューマノイド移動操作ポリシー移動操作/sim2real2026/8/17
シミュレーションで合成デモをクローンするだけでは性能が頭打ちになることを発見し、強化学習とFlow-GRPOによる微調整を組み合わせたエンドツーエンドのsim-to-realパイプラインを構築。実機Unitree G1で未見シーンへのゼロショット到達・把持を73.3%の成功率で達成した。
- TacCoRL: シミュレーションによる触覚フィードバックのVLAへの統合触覚/VLA/sim2real2026/6/10
視覚と言語と行動の事前知識を持つVLAモデルに触覚フィードバックを注入し、シミュレーションと実機の共学習と強化学習で接触を要するタスクの成功率を向上させるフレームワークを提案した。
- Sparse2Act: クロスドメインロボット操作のための行動整合スパース3D表現の学習マニピュレーション2026/6/1
点群エンコーダを事前学習する際に、エンドエフェクタの動作を幾何学的監督として用いることで、観測と行動を整合させたスパース3D表現を獲得し、下流のポリシーに転用可能にする手法を提案した。
- MemoryVAM: ロボット操作のためのビデオ行動モデルへの記憶統合VLA2026/6/1
ビデオワールドモデルポリシーにエピソード記憶機構を導入し、長期的な操作タスクで過去の情報を活用できるようにした。LIBERO-Memで成功率を5%から42.5%に向上させた。
- 裏返しロボット：ゼロショットSim-to-Realによる衣類の裏返し操作マニピュレーション2025/9/1
衣類を裏返す動的で遮蔽の多いタスクを、タスク分解とGPU並列MPMシミュレータによる自動データ生成で解決し、実機で最大81.3%の成功率を達成したゼロショットsim-to-realフレームワーク。
- Taccel: 高性能GPUシミュレーションによる視覚ベース触覚ロボティクスのスケールアップ触覚2025/4/1
視覚ベース触覚センサ(VBTS)を高精度かつ高速にシミュレーションするGPUプラットフォームTaccelを提案し、実時間の18倍の速度で数千並列環境を実現、sim-to-real転移も検証した。
- 剛体と材料点法の凸定式化とGPU非同期連成によるインタラクティブシミュレーションsim2real2025/3/1
材料点法と剛体力学を摩擦接触で弱連成する凸定式化を提案し、GPU並列化と非同期時間分割で最大500倍の高速化を達成、ロボット操作のインタラクティブシミュレーションを可能にした。
- GRIP: 変形可能・剛体連成把持のための汎用ロボット接触シミュレーションデータセット把持/シミュレーション2025/3/1
柔らかいグリッパと変形物体を含む把持を高速・安定にシミュレーションするIPCベースのデータ生成パイプラインを構築し、1200物体・10万把持姿勢の大規模データセットGRIPを公開した。
- 埋め込みIPC：ロボットマニピュレーションのための縮小部分空間における高速で交差のないシミュレーションsim2real2024/9/1
変形物体の接触を含むロボット操作シミュレーションを高速化するため、IPC法を低次元部分空間で表現しつつ高解像度表面で衝突制約を維持する手法を提案。
- 深層MPCを用いた高自由度ロボットマニピュレータの自己適応型ロバスト動作計画マニピュレーション2024/7/1
勾配の符号のみを用いる新しい重み更新則で勾配消失・爆発を抑えた深層MPCと自己適応型動的逆モデルを組み合わせ、高自由度マニピュレータの非線形ダイナミクスをリアルタイム学習して動作計画を行う手法を提案。
- k-meansクラスタリング強化SVMによる多様なロボット協調タスクの高精度分類群制御2024/5/1
ロボットの位置と特徴をk-meansでクラスタリングしてからSVMで分類することで、飛行ロボットと移動ロボットを高速かつ高精度に識別する手法を提案した論文。