Chengyang Li
収録論文 18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
- 空の記憶：マルチエージェント記憶集約による低高度質問応答VLA2026/9/28
分散したUAVの記憶を地上サーバで集約し、長期間の観測に関する質問に答える低高度質問応答（LAQA）を研究。記憶の価値を評価する生成敵対的試験（GAE）を提案し、通信制約下で記憶品質を最大化するMemCenフレームワークを開発した。
- 具現化エージェントのハーネスに向けて具現化エージェント2026/8/1
コーディングエージェントの成功を支える「ハーネス」の考え方を物理世界の具現化エージェントに拡張し、シーングラフと評価機構を備えたシステムTheaを提案した。
- ロボット行動表現のための意味的アンカリングVLA2026/7/1
VLAモデルの微調整で失われる意味構造を保つため、行動表現を意味多様体に固定するプラグアンドプレイ手法を提案し、実世界で最大+18.7%の成功率向上を達成した。
- 具身知能のためのメモリネイティブ非地上ネットワークネットワーク/具身知能2026/7/1
ロボットなどの具身知能が荒野でクラウド資源を活用できるよう、長期的な文脈を記憶として活用する新しい非地上ネットワーク（MemNTN）を提案し、従来の無記憶プロトコルより高性能であることを衛星具身質問応答実験で示した。
- IR-SIM: ナビゲーション、学習、ベンチマークのための軽量スキルネイティブシミュレータシミュレーション2026/6/1
YAML設定だけでシナリオを定義できる軽量なナビゲーション用シミュレータIR-SIMを提案し、テキストからのシナリオ生成や学習データ生成、高忠実度シミュレータや実機への橋渡しを実現した。
- マルチエージェント具現化質問応答のためのメモリ中心電力割り当て群制御2026/4/1
マルチエージェント具現化質問応答（MA-EQA）において、メモリ品質（QoM）を最大化する電力割り当て手法を提案した論文。生成的敵対的試験（GAE）を用いてQoMを評価し、通信リソース制約下で電力配分を最適化する。
- GazeVLA: ロボット操作のための人間の意図を学習するVLA2026/4/1
人間の視線を意図の代理として学習し、ロボット操作に転移するフレームワークを提案。大規模な人間データで事前学習し、少量のロボットデータで微調整することで、長期的・細かいタスクで高性能を達成。
- 身体性ナビゲーションのためのエージェント的自己進化的再計画ナビゲーション2026/3/1
複雑環境での身体性ナビゲーションの失敗に対処するため、ロボット自身を実行時学習で進化させる自己進化的再計画法(SERP)を提案。適応的機能調整とグラフ上のLLM推論により、成功率向上とトークン消費削減を実現。
- 視覚言語モデルを用いた直接接触許容型動作計画ナビゲーション2026/3/1
視覚言語モデルを点群認識とナビゲーションに統合し、移動可能な障害物がある環境での接触を許容する動作計画手法を提案した。
- HPTune: 衝突回避のための階層的先回りチューニングによるモデル予測制御モデル予測制御2026/1/1
実行されなかった行動も評価に取り入れた階層的先回りチューニングでMPCのパラメータを効率的に調整し、ドップラーLiDARと組み合わせて複雑環境での衝突回避を実現した。
- DPNet: ドップラーLiDARを用いた高ダイナミック環境向け動作計画動作計画2025/12/1
ドップラーLiDARの速度情報を活用し、高速移動障害物を追跡・予測するニューラルネットワークとモデル予測制御を組み合わせた動作計画手法を提案。
- 産業IoTにおける資源制約ロボット向け連合スプリット学習：フレームワーク比較、最適化戦略、将来展望連合学習2025/10/1
産業IoTの資源制約ロボット向けに、連合スプリット学習の各種フレームワークを比較し、トークン融合戦略や適応的最適化手法を整理したサーベイ。
- OmniColor: LiDARと360度カメラの融合による点群彩色のための大域的カメラ姿勢最適化点群彩色/センサ融合2024/4/1
LiDAR点群と360度パノラマ画像を組み合わせ、特徴抽出なしに測光一貫性を直接最大化してカメラ姿勢を最適化し、点群を高精度に彩色する手法を提案。
- NeuPAN: 点群ロボットのためのエンドツーエンドモデルベース直接ナビゲーションナビゲーション2024/3/1
生の点群データから直接衝突回避動作を生成する、地図不要で環境に依存しないリアルタイム動作計画手法を提案し、実機実験で有効性を示した。
- Decentralized Planning for Car-Like Robotic Swarm in Cluttered Environments2022/10/1
- An Efficient Spatial-Temporal Trajectory Planner for Autonomous Vehicles in Unstructured Environments2022/8/1
- Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification2022/6/1
- Adaptive Environment Modeling Based Reinforcement Learning for Collision Avoidance in Complex Scenes2022/3/1