Haizhou Ge
収録論文 10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
- 一度試せば最適化：クロスエピソード探索償却のための冗長性除去手順メモリマニピュレーション2026/7/1
隠れた内部状態を持つ物体の操作において、一度解いたインスタンスを再び遭遇した際に再探索せず、物体の特徴に基づいて手順を記憶し再利用するフレームワークを提案。
- ビデオが誤読するとき：探索的操作トレースQAのための読み取りヒューリスティックの閉ループ蒸留操作/ロボット学習2026/6/7
探索的操作の失敗トレースから最小成功アクション連鎖を予測するEMT-QAタスクを提案し、トレースから読み取りヒューリスティックを蒸留してVLMの精度を大幅に向上させる手法を導入した。
- UniLab: GPU中心パラダイムを超えたロボット強化学習のためのヘテロジニアスアーキテクチャ強化学習/システムアーキテクチャ2026/5/1
CPUシミュレーションとGPU学習を分離したヘテロジニアスな強化学習システムUniLabを提案し、GPUシミュレーションに依存せずに3〜10倍の学習効率向上を実証した。
- GS-Playground: 視覚に基づくロボット学習のための高スループット写実的シミュレータシミュレーション2026/4/1
3Dガウススプラッティングと並列物理エンジンを統合した高速写実シミュレータを開発し、視覚ベースの強化学習を大規模に加速する。
- FILIC: インピーダンストルク制御を用いた二重ループ力誘導模倣学習による接触の多いマニピュレーションマニピュレーション2025/9/1
力覚センサなしでも関節トルクから力を見積もり、インピーダンス制御とTransformer模倣学習を二重ループで組み合わせて、接触の多い作業を安全かつ柔軟に実行する手法を提案。
- ManiVID-3D: 分離された3D表現による視点不変なロボットマニピュレーションのための汎化可能な強化学習マニピュレーション2025/9/1
カメラ視点が変わっても頑健に動作するロボットマニピュレーションのための3D強化学習手法を提案し、視点変化下で成功率を大幅に向上させた。
- DISCOVERSE: 複雑で高忠実度な環境における効率的なロボットシミュレーションsim2real2025/7/1
3DガウススプラッティングとMuJoCoを組み合わせ、実世界の複雑な環境を高精細に再現してロボット学習を行うオープンソースのReal2Sim2Realシミュレーションフレームワークを提案し、模倣学習におけるゼロショットSim2Real転移で最先端性能を示した。
- ウェーブレットポリシー：世界事前記憶を用いたスケール領域での模倣学習模倣学習2025/4/1
背景画像から持続的なシーン構造を記憶トークンとして符号化し、ウェーブレット変換で行動をマルチスケールに分解して予測する軽量な模倣学習フレームワークを提案。実機を含む多数のタスクで高精度を達成。
- ImitDiff: 基盤モデルの事前知識を転移した妨害に頑健な視覚運動模倣ポリシーVLA2025/2/1
視覚言語基盤モデルで指示をピクセル単位の意味マスクに変換し、二重解像度の知覚と拡散トランスフォーマで妨害に強い模倣学習ポリシーを実現した。
- リソース格差を埋める：高度な模倣学習モデルを手頃な組み込みプラットフォームへ展開マニピュレーション2024/11/1
Transformerベースの大規模模倣学習モデルを、モデル圧縮とTemporal Ensemble with Dropped Actions（TEDA）によりエッジデバイスへ効率的に展開するパイプラインを提案し、各種マニピュレーションタスクで有効性を示した。