Jiacheng You

収録論文 8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

• クリティカル区間MSE：ロボット操作ポリシーの信頼できるオフライン検証に向けて
  ロボット操作/評価指標2026/6/1

  ロボット操作ポリシーのオフライン検証指標として、タスクの重要区間に限定して誤差を計算するCI-MSEを提案し、実世界性能との相関が従来のMSEより高いことを示した。

• 身体感覚のずれを克服する模倣学習のドメイン適応
  模倣学習2025/6/1

  模倣学習において訓練時と実環境での固有感覚（proprioception）の分布ずれが性能を低下させる問題を特定し、Wasserstein距離に基づくノイズ付加で分布を整合させる手法を提案した。

• OneTwoVLA：適応的推論を備えた統合視覚言語行動モデル
  VLA2025/5/1

  行動と推論を単一モデルで統合し、必要な時だけ明示的に推論する適応的切替機構を導入したVLAモデル。長期的タスク計画やエラー回復、人間との対話、視覚的接地を実現。

• シミュレート困難な目的関数の微調整による四足歩行：総消費電力削減の事例研究
  sim2real2025/2/1

  実世界データでバッテリー消費電力などのシミュレート困難な目的をモデル化し、シミュレーションに組み込んで歩行ポリシーを微調整することで、四足歩行の総消費電力を24〜28%削減した。

• SKIL: 意味的キーポイント模倣学習による汎化性とデータ効率に優れたマニピュレーション
  マニピュレーション2025/1/1

  視覚基盤モデルで意味的キーポイントを自動抽出し、少ないデモ数で複雑なロボット操作を模倣学習できるフレームワークを提案。

• ロボットマニピュレーションの模倣学習におけるデータスケーリング則
  マニピュレーション2024/10/1

  模倣学習において環境・物体・デモ数の増加が汎化性能に与える影響を大規模実験で調査し、環境と物体の多様性が重要であることを示した。

• 局所性を活用したロボットマニピュレーションのサンプル効率向上
  マニピュレーション2024/6/1

  ロボットの動作は対象物とその周辺環境に強く影響されるという「動作局所性」の帰納バイアスを導入し、模倣学習のサンプル効率を高めるフレームワークSGRv2を提案。シミュレーションと実環境で少ないデモンストレーションから高い成功率を達成した。

• EfficientZero V2：限られたデータで離散・連続制御をマスターする
  強化学習2024/3/1

  限られたデータで効率的に学習できる強化学習フレームワークEfficientZero V2を提案し、連続・離散行動や視覚・低次元入力など多様なタスクで既存手法を上回る性能を示した。