Mingliang Zhou
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
- VAIC: 視覚誘導によるヒューマノイドの俊敏な物体インタラクション制御 - 分離コマンドを用いてヒューマノイド制御2026/6/1
ヒューマノイドロボットが、深度カメラと自己状態のみから、箱運びやスケートボードなどの多様な動的物体操作を単一のポリシーで実行できるようにする、教師-生徒蒸留に基づく制御フレームワークを提案した。
- FutureNav: 視覚言語ナビゲーションのための統合世界行動モデリングVLA/ナビゲーション2026/6/1
視覚と言語によるナビゲーション(VLN)タスクにおいて、世界状態の遷移と将来予測を明示的にモデル化する統合フレームワークを提案し、4B規模のバックボーンで複数のベンチマークで最先端性能を達成した。
- 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。
- HAIC: ダイナミクス認識ワールドモデルによるヒューマノイドの俊敏な物体インタラクション制御マニピュレーション2026/2/1
固有受容感覚の履歴のみから物体の速度・加速度を予測し、動的占有マップを構築することで、スケートボードや台車の押し引きなど劣駆動物体との俊敏な全身インタラクションを実現したヒューマノイド制御フレームワーク。
- 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。
- 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。
- MiMo-Embodied: クロス身体性基盤モデル技術報告VLA2025/11/1
自動運転と身体性AIを統合した初のクロス身体性基盤モデルを開発し、両分野で最先端性能を達成した。
- 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。
- 暗黙的キノダイナミック動作リターゲティングによるスケーラブルな全身動作転移動作リターゲティング2025/9/1
骨格グラフ畳み込みデュアルオートエンコーダと物理情報に基づく洗練により、人間の動作データを高速かつ物理的に実現可能なヒューマノイド動作へ変換する手法を提案した。
- 俊敏な脚式移動のための状態推定トランスフォーマ歩行2024/10/1
四足ロボットの跳躍などの動的動作に向け、過去の状態から高さや速度などの特権状態を予測するTransformerベースの状態推定器SETを提案した。