Jingzehua Xu
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
- 水中ロボットの身体化知能：計画・制御・展開における制約連成の視点水中ロボット2026/3/1
水中ロボットの自律性を阻む物理的制約（流体力学的不確実性、部分観測性、通信帯域、エネルギー制約）が相互に連成する問題を整理し、強化学習や信念計画、ハイブリッド制御などの最新手法を統合するレビュー論文。
- セマンティクスが群れをつなぐとき：LLM駆動ファジィ制御による協調型水中マルチロボットカバレッジ群制御2025/11/1
LLMで観測を意味トークンに圧縮し、ファジィ推論で水中ロボット群の操舵・歩容を制御、言語的意図共有で協調カバレッジを実現する枠組みを提案。
- 硬直しすぎず到達する：LLMとリアプノフに基づく強化学習を用いた適応的仮想モデル制御マニピュレーション2025/10/1
仮想モデル制御（VMC）にLLMの構造的事前知識とリアプノフに基づく強化学習を組み合わせ、安定性を保証しながらオンラインで適応できる制御手法を提案し、7自由度Pandaアームのシミュレーションで有効性を示した。
- EasyUUV：LLMを活用したUUV姿勢制御のための汎用・軽量sim-to-real強化学習フレームワークsim2real2025/10/1
並列強化学習と適応S-Surface制御を組み合わせ、マルチモーダルLLMで実行時にパラメータを調整するUUV姿勢制御フレームワークを提案し、実機実験で有効性を検証した。
- Ocean Diviner: 拡散モデル強化強化学習によるAUVの堅牢な水中制御フレームワーク強化学習/水中ロボティクス2025/7/1
拡散モデルで実現可能な行動を生成し強化学習と組み合わせることで、動的で不確実な水中環境におけるAUVの制御を高精度かつ堅牢にする手法を提案した。
- 過信せず協調せよ：極限海況下の水中タスクに向けたFIMとRLに基づくUSV-AUV協調システム群制御2025/4/1
極限海況での水中タスク性能を高めるため、フィッシャー情報行列でUSVの経路を最適化して複数AUVの位置推定精度を上げ、強化学習でAUV群の協調計画・制御を行うUSV-AUV協調システムを開発した。
- 極限海況下のAUVのためのLLM強化RLベース適応S面制御器強化学習/制御2025/3/1
LLMを用いて強化学習の報酬関数と制御器パラメータを同時最適化し、極限海況下でのAUVの適応的なS面制御を実現した研究。
- マルチAUV水中目標追跡タスクにFISHERは必要なのか？群制御2024/12/1
模倣学習と強化学習を組み合わせた2段階学習フレームワークFISHERを提案し、複数AUVによる水中目標追跡の性能を向上させた。
- 極限海況下の水中タスクに向けたUSV-AUV協調フレームワーク群制御2024/9/1
USVの経路計画と強化学習を組み合わせ、極限海況下でも複数AUVの高精度測位と協調作業を実現するフレームワークを提案し、水中データ収集タスクのシミュレーションで有効性を示した。
- A dynamical clipping approach with task feedback for Proximal Policy Optimization2023/12/12