Jingsong Liang
収録論文 13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
- RoboFoundry：自己学習型身体性エージェントのためのシステム・アズ・ポリシー進化VLA2026/9/26
エージェントの支援システム全体を一つのポリシーとして捉え、実行経験を検証済みのシステム更新に変換して自己進化させる身体性エージェントフレームワークを提案し、EmbodiedBenchで最先端性能を達成した。
- PV-WM: 歩行者と車両の連成ロールアウトのための異種マイクロ・マクロ世界モデル予測/世界モデル2026/9/7
歩行者の関節動作と車両の剛体運動を統合した世界モデルを提案し、履歴のみから将来の歩行者・車両状態を再帰的に予測する。
- 自己運動ダイナミクス拡張ワールドモデルによる自動運転のゼロショット車両間適応自動運転2026/7/1
自動運転のワールドモデルに自己運動の事前知識を組み込み、シーン予測精度を向上させるとともに、未見の車両へのゼロショット適応を実現する手法を提案した。
- ORION: オプション正則化深層強化学習による協調マルチエージェントオンラインナビゲーションマルチエージェントナビゲーション2026/1/1
不完全な事前地図を持つ環境で、複数エージェントがオンライン観測を共有しながら分散的に協調し、経路最適性と地図不確実性の低減を両立する深層強化学習フレームワークORIONを提案。
- FARE: 高速・低速エージェント型ロボット探査探査/ナビゲーション2026/1/1
LLMによる大域的推論と強化学習による局所制御を組み合わせ、未知環境を効率的に探査する階層型フレームワークを提案し、実機の大規模建物環境で検証した。
- HEADER: 専門家誘導報酬を用いた注意機構ベース階層型強化学習によるロボット探索探索/強化学習2025/10/1
大規模環境でのロボット自律探索を効率化するため、階層グラフと注意機構を組み合わせた強化学習手法HEADERを提案し、シミュレーションと実機で既存手法を上回る探索効率を実証した。
- GRATE: グラフトランスフォーマーを用いた時間効率の良い自律ロボット探索のための深層強化学習アプローチ自律探索2025/9/1
未知環境を自律探索するロボットの経路計画にグラフトランスフォーマーとカルマンフィルタを組み合わせ、移動距離と探索完了時間を最大約21%削減する強化学習手法を提案した。
- CogniPlan: 条件付き生成レイアウト予測を用いた不確実性誘導経路計画経路計画2025/8/1
部分的に観測された地図から複数の実現可能なレイアウトを生成モデルで予測し、その不確実性を考慮してグラフアテンションで経路計画を行うフレームワークを提案。探索とナビゲーションの両方で性能を向上させ、実機でも検証した。
- ロボットタスク計画における一般化巡回セールスマン問題を解くためのマルチモーダル融合学習タスク計画2025/6/1
グラフと画像の両表現を融合した学習フレームワークにより、一般化巡回セールスマン問題をリアルタイムで高品質に解く手法を提案し、ロボット実機で有効性を検証した。
- DARE: 拡散ポリシーによる自律ロボット探査探査2024/10/1
拡散モデルと注意機構を組み合わせ、専門家の実演から学習した拡散ポリシーで未知環境の探査経路を一度の推論で生成する手法を提案。
- IR2: 断続的接続下でのロボット探査チームのための暗黙的ランデブー群制御2024/9/1
深層強化学習と注意機構を用いて、通信が疎で断続的な環境で複数ロボットが単独探査と情報共有のトレードオフを長期的に判断し、効率的に探査する手法を提案。
- HDPlanner: 階層的意思決定ネットワークによる未知環境での自律展開の推進ナビゲーション2024/8/1
深層強化学習と階層的アテンションネットワークを用いて、未知環境での移動ロボットの自律探索とナビゲーションを実現し、従来手法より最大35.7%短い移動距離でリアルタイム計画を可能にした。
- 帯域制限下での分散マルチロボット探査のための特権強化学習と通信学習群制御2024/7/1
深層強化学習と特権学習を組み合わせ、ロボットが地図情報を固定長メッセージに圧縮して通信量を最大2桁削減しつつ、探査効率の低下を2.4%に抑える分散マルチロボット探査手法を提案した。