Long Cheng
収録論文 16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
- Lang3DSeg: 点群トランスフォーマによるアノテーションフリーなオープンボキャブラリ3Dセグメンテーション3Dセグメンテーション2026/10/1
2D視覚言語モデルの出力をLiDARに投影して学習する、アノテーション不要のオープンボキャブラリ3Dセグメンテーション手法。点群トランスフォーマを屋外LiDARのバックボーンとして初めて採用し、投影ラベルの深度曖昧性をクラス優先度と深度ギャップで補正する。
- InsertAnything: シミュレーションから現実への汎化可能な接触リッチ精密挿入マニピュレーション2026/9/21
シミュレーションのみで強化学習を行い、実世界のデモや微調整なしに、様々な形状・クリアランスの穴への精密挿入を実現するフレームワークを提案。
- Dream2Reward: 正のデモンストレーションからの遷移整合報酬モデルによるロボット操作マニピュレーション2026/8/19
成功デモから遷移レベルの潜在変位を予測し、観測された動作との整合性で密な報酬を生成する手法を提案。失敗アノテーション不要で報酬ハッキングを軽減し、実ロボット操作を含む下流性能を向上させる。
- 予期せぬ感覚を捉える：残差触覚表現によるResTacVLAの接触豊富な操作触覚/VLA/操作2026/7/1
視覚言語行動モデルに触覚を統合する際、視覚特徴が触覚を覆い隠す問題を解決するため、視覚予測と実際の触覚の差を残差表現として用い、視覚的に予測できない重要な接触イベントを捉えるResTacVLAを提案した。
- GelNeuro: センシングと計算を統合したニューロモーフィック触覚システムによるテクスチャ認識触覚/ニューロモーフィック2026/7/1
GelSight Miniベースの光学触覚センサとニューロモーフィックSoCを直接接続し、スパイキングCNNでテクスチャを認識する統合システムを提案。物理チップ上で96.3%の精度を達成し、消費電力は従来比で3桁以上低い。
- 多タスク外骨格制御における相互作用安全性の確保：シミュレーション学習による可変インピーダンスフレームワーク外骨格制御2026/6/1
シミュレーションで学習した可変インピーダンス制御により、多様な動作タスクで外骨格の安全性を保証しつつ、代謝コストを低減する手法を提案した。
- 動的環境における動作計画：古典的手法から現代的手法までのサーベイ動作計画2026/6/1
動的環境でのロボット動作計画手法を、古典的手法から学習ベース手法まで138件の研究を対象に包括的に調査・分類し、各手法の原理と課題を整理したサーベイ論文。
- ロボット操作のための一段フローマッチング用可逆ニューラルネットワークアダプタマニピュレーション2026/6/1
視覚・言語・固有受容などのマルチモーダル観測から高次元の操作行動を一段のノイズ除去で生成する可逆ニューラルネットワークアダプタを提案し、推論コストを削減しつつ精度を維持する。
- 到達から挿入へ：サブミリ公差下での触覚強化精密組立触覚/精密組立2026/5/1
模倣学習と強化学習を組み合わせた二段階手法で、精密挿入タスクを高成功率かつ低接触力で実現した。
- ViSTR-GP: 視覚-状態テンソル回帰とガウス過程による産業ロボット操作のオンラインサイバー攻撃検知サイバーセキュリティ/異常検知2025/9/1
制御系外の俯瞰カメラ映像からロボットの関節状態を推定し、エンコーダ値と照合することでデータ改ざん攻撃をオンライン検知するフレームワークを提案・実機検証した。
- メタ学習による外骨格のユーザー・タスク間動作適応外骨格/メタ学習2025/9/1
公開動画から抽出した動作をシミュレーションで再現し、MAMLでタスク特化型ニューラルネットを訓練することで、新しいユーザーや未学習タスクにも少ない更新で適応できる外骨格アシストを実現した。
- ラベルなしロボット動画に対する変分ボトルネックによる行動情報の強化模倣学習2025/8/1
行動ラベルなしのロボット動画から、潜在行動と真の行動の相互情報量を最大化する変分情報ボトルネックを提案し、模倣学習の性能を向上させた。
- 制御推論と状態空間ダイナミクスによるマルチエージェント軌道予測の高精度化軌道予測2024/8/1
状態空間モデルとグラフニューラルネットワークを組み合わせ、制御変数を「Mixed Mamba」で推定することで、自動運転における周辺車両や歩行者の軌道予測精度を向上させた研究。
- ニューラルネットワーク学習による動的システムの安定化：ロバストなアプローチ模倣学習2024/7/1
模倣学習において、ニューラルリアプノフ関数と横断収縮理論を組み合わせ、点間運動と周期運動の学習精度と安定性を両立させる新しい自律動的システムアルゴリズムを提案した。
- Learning a Stable Dynamic System with a Lyapunov Energy Function for Demonstratives Using Neural Networks2023/9/1
- Learning Variable Impedance Skills from Demonstrations with Passivity Guarantee2023/6/1