Jensen Gao

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

• VIA: ロボット制御のための視覚インターフェースエージェント
  ロボット制御2026/7/1

  既存の基盤モデルをロボット制御に活用する新しいフレームワークVIAを提案。ロボットをブラウザベースの3Dインターフェースを通じて操作するエージェントとして扱い、スクリーンショットとコマンドでタスクをゼロショットで実行する。

• 行動整合表現によるクロスエンボディメント転移
  VLA/クロスエンボディメント転移2026/7/1

  ロボット操作の大規模模倣学習において、行動整合表現（物体のバウンディングボックスや言語動作、エンドエフェクタの軌跡など）がVLAモデルのクロスエンボディメント転移を促進するかを検証し、シミュレーションベンチマークで評価。エンドエフェクタ軌跡が特に有効で、シミュレーションから実機への転移成功率を28%向上させた。

• 訓練データに基づくロボット汎化の接地：検索拡張型VLMによるアプローチ
  ロボット操作/汎化評価/VLM2026/3/1

  ロボット操作の評価タスクを訓練データと比較し、どのような汎化が必要かを分類するフレームワークRADARを提案した。

• 汎用ロボットマニピュレーション政策の評価のための分類体系
  マニピュレーション2025/3/1

  ロボットマニピュレーションにおける汎化の種類を整理した分類体系STAR-Genを提案し、実世界ベンチマークで検証した。

• 合成的一般化を活用したロボットマニピュレーションの効率的データ収集
  マニピュレーション2024/3/1

  視覚模倣学習ポリシーが環境要因を合成できることを実証し、その合成能力を活かした効率的なデータ収集戦略を提案。実機で77.5%の成功率を達成。

• DROID: 大規模実環境ロボットマニピュレーションデータセット
  マニピュレーション2024/3/1

  北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。

• Open X-Embodiment: Robotic Learning Datasets and RT-X Models
  2023/10/1
• Bootstrapping Adaptive Human-Machine Interfaces with Offline Reinforcement Learning
  2023/9/1
• Physically Grounded Vision-Language Models for Robotic Manipulation
  2023/9/1
• ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning
  2022/2/1