Junsung Park

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

• TactX: 多様なセンサにわたる共有触覚表現の学習
  触覚2026/6/1

  異なる原理の触覚センサ（抵抗、磁気、視覚）からのデータを共通の潜在空間に写像するフレームワークTactXを提案し、あるセンサで訓練した操作ポリシーを別のセンサへゼロショット転移できることを示した。

• 逆運動学による運転VLAの接地
  自動運転/VLA2026/5/1

  運転VLAの軌道予測が視覚トークンを無視する問題を、逆運動学の観点から再設計し、将来の視覚状態予測と専用の逆運動学ネットワークを導入することで、小規模モデルでも大規模VLAに匹敵する性能を達成した。

• TacO: 物体操作のための触覚センサのベンチマーク
  触覚2026/5/1

  物体操作における4種類の触覚センサ（視覚、音響、磁気、抵抗）の性能を、3つの操作タスクで系統的に評価し、タスクに適したセンサ選択の枠組みを提案した論文。

• RoboSenseチャレンジ：あらゆる環境を認識し、どこへでも移動し、プラットフォームを超えて適応する
  ロボット知覚ベンチマーク2026/1/1

  ロボット知覚の堅牢性と適応性を競うRoboSense 2025チャレンジの報告で、5つのタスクのベンチマークと23の受賞解法から得られた知見をまとめた。

• GR1とG1におけるクロスエンボディメント操作のための基盤ロボットポリシーのモダリティ拡張ファインチューニング
  クロスエンボディメント操作2025/12/1

  接触信号や深度などのモダリティを追加して基盤ロボットポリシーをファインチューニングし、GR1とUnitree G1という異なるヒューマノイド機体への転移性能を向上させた研究。

• SUPER-AD: 意味的不確かさを考慮したエンドツーエンド自動運転のための計画
  自動運転2025/11/1

  カメラのみのエンドツーエンド自動運転において、BEV空間で不確かさを推定し、車線追従正則化と組み合わせることで、安全で解釈可能な軌道計画を実現した。

• BiCQL-ML：最大尤度逆強化学習のための二段階保守的Q学習フレームワーク
  逆強化学習2025/11/1

  オフラインのデモデータのみから報酬関数を推定する逆強化学習手法を提案し、報酬と保守的Q関数を二段階で交互最適化することで、既存手法より精度良く報酬を復元できることを示した。

• メタデータとタスク特化プロンプトによる堅牢な運転QA
  VLA2025/10/1

  自動運転の高次QAに向け、マルチモーダルLLMを6カメラ入力とシーン情報で条件付けし、自己一貫性とタスク別プロンプトで精度と堅牢性を向上させた。