Hongzhan Yu
収録論文 10本 ・ フィジカルAI/ロボット学習
モデルベース強化学習/OOD検出歩行安全制御軌道最適化ナビゲーション動作生成VLA
※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
- 潜在モデリングのための感度整形モデルベース強化学習/OOD検出2026/6/1
学習したダイナミクスモデルが制御入力の変化に対して局所的に鈍感な場合、OOD検出が失敗する問題を指摘し、高サポート領域での制御感度を高める正則化を導入してOOD検出と安全な計画を改善した。
- 数秒のデモから学ぶ四足歩行歩行2026/3/7
四足歩行の模倣学習が少量データで効果的な理由を解析し、潜在空間と出力の変動を整える新手法を提案。数秒のデモからオフラインで歩行ポリシーを学習できることを実機で確認した。
- 接触を許容する安全なロボット操作のためのスケーラブルなバリア関数フレームワーク安全制御2026/1/1
密集環境での接触を安全とみなす新たなバリア関数を学習し、任意の物体配置に合成可能でタスク転移も容易な安全フィルタを実現した。
- サンプリングベースのロバスト性解析を伴う時間最適四rotor軌道最適化のための系列モデリング軌道最適化2025/6/1
モデルベースの時間最適軌道計画を模倣する学習モデルを提案し、衝突のない幾何学的経路から時間最適軌道を高速生成。データ拡張でロバスト性を向上させ、実機でリアルタイム性を検証。
- 倉庫環境における安全な人とロボットのナビゲーションナビゲーション2025/3/1
学習ベースの制御バリア関数とOpenRMFを統合し、倉庫内で人を含む動的障害物を避けながら複数ロボットを安全にナビゲートする手法を提案した。
- 拡散モーダル結合による制御可能な動作生成動作生成2025/3/1
拡散モデルにマルチモーダルな事前分布とモーダル結合を導入し、物理制約やタスク目標に沿った制御可能な動作生成を実現するフレームワークを提案。
- オフラインデータからの制御バリア関数の推定安全制御2025/3/1
訓練前に収集した固定のラベル付きデータセットからニューラル制御バリア関数を学習する枠組みを提案し、実機での動的障害物回避において安全性と保守性の改善を実現した。
- ROS-LLM：タスクフィードバックと構造化推論を備えた身体性AIのためのROSフレームワークVLA2024/6/1
ROSと大規模言語モデルを統合し、非専門家が自然言語でロボットをプログラミングできるフレームワークを提案。行動モードや模倣学習、フィードバックによる反省機能を備え、多様なタスクで有効性を検証した。
- Sequential Neural Barriers for Scalable Dynamic Obstacle Avoidance2023/7/1
- Learning Control Admissibility Models with Graph Neural Networks for Multi-Agent Navigation2022/10/1