Jinming Ma
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
- HiFi-UMI: 高忠実度UMIデータのみから展開可能な操作ポリシーを学習する操作学習2026/7/1
ロボットフリーのUMIデータ収集システムの忠実度を高めることで、実ロボットデータを使わずに直接展開可能な操作ポリシーを学習できることを示した論文。
- エージェント統括型視覚言語行動スキル合成における意味的ハンドオフ失敗の診断VLA/タスク計画2026/7/1
長期的な家庭タスクでスキル間の境界が不明確なために生じる失敗を、BEHAVIOR-1K環境で分析し、スキル単体の性能と合成時の頑健性を分離評価する手法を提案した。
- 3D表面上の変形物体に対する強化学習ベースのカバレッジ経路計画変形物体操作2026/3/1
変形物体（布やスポンジ）で表面を拭くタスクを、シミュレータ上で強化学習エージェントを訓練して実行する手法を提案。UVマッピングとSGCNNで効率的に特徴抽出し、生成した経路を実機で検証した。
- 何を操作するかを見極める：意味的操作のためのバウンディングボックス誘導方策におけるデータスケーリング則の解明マニピュレーション2026/2/1
バウンディングボックス指示で対象物体を直接指定する拡散方策を提案し、手持ち型セグメンテーションデバイスLabel-UMIで収集した6,400件の実世界デモにより、汎化性能が飽和型のデータスケーリング則に従うことを示した。
- ワンステップ世界モデルによる効率的なマルチモーダルナビゲーションシステムナビゲーション2026/1/1
拡散の多段処理をやめてワンステップ生成と3D U-Netで世界モデルを軽量化し、アンカー初期化の最適化計画と組み合わせてリアルタイムなマルチモーダルゴールナビゲーションを実現した。
- 専門家混合による多様なスキル学習で行動モデルを強化模倣学習2026/1/1
模倣学習におけるマルチタスク干渉問題を解決するため、専門家混合（MoE）を用いて各専門家を観測空間の部分領域に特化させ、多様なスキルを学習する手法Di-BMを提案。実世界のロボット操作タスクで性能を大幅に向上させた。
- 検証可能な報酬による実世界ロボット操作のための強化学習型身体性プランニングVLA2025/9/1
VLMに検証可能な報酬で微調整を施し、自然言語指示から長期的操作計画を生成・検証するフレームワークREVERとモデルRoboFarseerを提案した。
- 不正確なシミュレータを活用したオフライン強化学習の改善オフライン強化学習2024/5/1
不正確なシミュレータから得たデータをGANで重み付けし、限られたオフラインデータと組み合わせて強化学習の性能を向上させる手法を提案した。