Kui Wu
収録論文 19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
- RescueBench: 具身エージェントは現実世界で命を救えるか？ベンチマーク2026/6/1
捜索救助タスクを4段階のパイプラインとして構成した写真リアルな診断ベンチマークを提案し、既存手法の失敗モードを段階別に分析した。
- AdaTracker: クロスエンボディメント能動的視覚追跡のための適応的インコンテキストポリシー学習視覚追跡/クロスエンボディメント2026/4/1
多様なロボット形態で動作する統一モデルによる能動的視覚追跡を実現するため、エンボディメント固有の制約を文脈として学習し、未知のロボットへゼロショット適応するフレームワークを提案した。
- TrackVLA++：具現化視覚追跡のための推論と記憶能力を引き出すVLAモデルVLA2025/10/1
移動する対象を追跡する具現化視覚追跡において、空間推論と長期記憶のモジュールを導入し、遮蔽や類似物体に強いVLAモデルを提案した。
- 長距離影響を考慮した効率的な微分可能接触モデルsim2real2025/9/1
微分可能物理シミュレータにおける接触モデルの設計が勾配の安定性に与える影響を分析し、良好な勾配特性を満たす効率的な接触モデルを提案した。
- テキスト指示に基づく効率的な個別検査計画の生成VLA2025/6/1
VLMを活用し、テキスト記述から関心点を抽出して巡回順序を最適化し、航空・水中ビークルのための効率的な検査軌道を生成する手法を提案。
- TrackVLA: 実環境における身体性視覚追跡VLA2025/5/1
視覚と言語と行動を統合したVLAモデルで、対象認識と軌道計画を同時に学習し、遮蔽や動きの激しい実環境でも10FPSで頑健に目標を追跡する。
- BC-ADMM：ロボティクス応用のための効率的な非凸制約付き最適化手法最適化2025/4/1
双凸制約緩和を用いたADMMの変種を提案し、非凸制約付き最適化問題を並列に解くことで、従来法より高速に収束することをロボット応用で示した。
- 形状微分可能ロボットシミュレータSDRSsim2real2024/12/1
ロボット形状を凸多面体の集合で表現し、接触力学を滑らかに一般化することで、形状が大きく変化しても微分可能なシミュレータを実現した。
- UnrealZoo：身体性AIのためのフォトリアルな仮想世界を拡充sim2real2024/12/1
Unreal Engine上に構築した100以上のフォトリアルな3D仮想世界と多様な操作可能エンティティを提供し、身体性AI研究のためのデータ収集・分散学習・ベンチマーク環境を整備した。
- BehaviorGPT: 次パッチ予測による自動運転向けスマートエージェントシミュレーション自動運転シミュレーション2024/5/1
交通エージェントの挙動を自己回帰的に生成するTransformerモデルを提案し、履歴と未来の区別を廃してデータ効率を高め、Waymo Open Sim Agents Challenge 2024で優勝した。
- 視覚基盤モデルとオフラインRLによる身体性視覚追跡の強化VLA2024/4/1
視覚基盤モデルで対象のセグメンテーションマスクを抽出し、オフライン強化学習で方策を訓練することで、実世界ロボットにも転移可能な高精度な視覚追跡を実現した。
- Learning Neural Traffic Rules2023/12/1
- Second-Order Convergent Collision-Constrained Optimization-Based Planner2023/11/1
- Learning Reduced-Order Soft Robot Controller2023/11/1
- Provably Robust Semi-Infinite Program Under Collision Constraints via Subdivision2023/2/1
- First-Order Bilevel Topology Optimization for Fast Mechanical Design2022/4/1
- An Integrated Design Pipeline for Tactile Sensing Robotic Manipulators2022/4/1
- DiffAqua: A Differentiable Computational Design Pipeline for Soft Underwater Swimmers with Shape Interpolation2021/4/1
- A Learning-based Discretionary Lane-Change Decision-Making Model with Driving Style Awareness2020/10/1