Jingmin Chen

Rightly Robotics

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

• DeformSmith: 物理ハーネス誘導によるロボットマニピュレーション用変形アセットの階層的生成
  変形物体生成2026/9/16

  テキストや1枚の画像から、物理的に妥当な変形物体アセットを階層的エージェント構築と物理ベースの検証ループで自動生成し、ロボット操作のシミュレーションやデータ合成を可能にするフレームワーク。

• DeformMaster: ビデオから変形物体のための対話型物理ニューラルワールドモデル
  物理シミュレーション/ニューラルワールドモデル2026/5/1

  実ビデオから変形物体の物理ダイナミクスと外観を学習し、新しい操作や視点での未来予測とレンダリングを可能にする統一モデルを提案。

• 移動してから操作する：人間らしいロボット操作のための行動フェーズ分割
  VLA/操作2026/4/1

  ロボット操作を粗い移動フェーズと接触が重要な操作フェーズに分離するVLAフレームワークを提案し、RoboTwin2ベンチマークで従来手法より高い成功率を達成した。

• マルチスケール動態を持つガウス系列による単眼カジュアル動画からの4D再構成
  4D再構成2026/2/1

  物体から粒子レベルまでのマルチスケールな動きの規則性を利用し、単眼のカジュアル動画から動的な3Dガウス表現を構築して高精度な4D再構成を実現した研究。

• 自己中心視点での指示に基づくアフォーダンス予測：大規模マルチモーダルモデルによるアプローチ
  アフォーダンス予測2025/8/1

  指示に依存するアフォーダンス予測のための自己中心視点データセットを構築し、大規模マルチモーダルモデルに「検証者に対する探索」パイプラインを適用して予測能力を実現した。

• 想像力を刺激する：汎用「何かをどこかに置く」タスクに向けて
  マニピュレーション2024/8/1

  大規模視覚モデルと拡散ベースの姿勢推定を組み合わせ、未知環境でも「何かをどこかに置く」という指示に従って物体を配置できる汎用ロボット配置手法SPORTを提案。