Chiming Liu

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

• VINE: 強化学習のための生成制御ポリシーの調整
  強化学習2026/7/1

  フローマッチングポリシーを強化学習で安定して学習するための新しいサンプリング手法VINEを提案。各デノイズステップで補間状態を再構築し、価値勾配の伝播を安定化させる。

• ALOE: 視覚言語行動モデルの事後学習のための行動レベルオフポリシー評価
  VLA2026/2/1

  実世界の人間参加型強化学習でVLAモデルを改善するため、現在のポリシーを直接評価するオフポリシー評価フレームワークALOEを提案し、4つの実世界マニピュレーションタスクで検証した。

• スケーラブルなロボットマニピュレーションに多様性は本当に必要か？
  マニピュレーション2025/7/1

  ロボット学習におけるデータ多様性の役割をタスク・身体・専門家の3次元で検証し、タスク多様性が重要である一方、専門家の速度多様性は学習を妨げることを示し、その偏りを補正する手法を提案した。

• EnerVerse-AC: 行動条件付きで身体性環境を想像する世界モデル
  世界モデル2025/5/1

  エージェントの予測行動から将来の視覚観測を生成する行動条件付き世界モデルを提案し、実機や複雑なシミュレーションなしでロボット模倣学習のデータ拡張と評価を可能にした。

• Genie Centurion：人間による巻き戻し・修正ガイダンスで実世界ロボット訓練を加速
  VLA2025/5/1

  失敗時に状態を巻き戻して人間が修正デモを行い、1人の操作者が複数ロボットを監督できるデータ収集手法を提案し、従来法より成功率を最大40%向上させた。

• AgiBot World Colosseo：スケーラブルで知能的な身体性システムのための大規模マニピュレーションプラットフォーム
  マニピュレーション2025/3/1

  100万以上の軌道と217タスクを含む大規模ロボット操作データセットと、潜在行動表現を活用した汎用方策GO-1を提案し、データ規模の拡大に伴う性能向上と実世界での巧みな長期的タスクの成功率向上を示した。