Pengwei Xie
収録論文 13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
- τ0-VLA: 世界モデル誘導のテスト時計算を備えた階層型ロボット基盤モデルVLA2026/8/17
長期的なロボット操作タスクを、高レベル方策がサブタスク生成時にテスト時計算を追加で行える階層型VLAモデルを提案し、実データで性能向上を実証した。
- 配備しながら学習：汎用ロボットポリシーのためのフリート規模強化学習強化学習/VLA2026/5/1
事前学習済みのVLAポリシーを、ロボットフリートからの実データで継続的に強化学習し、配備中に性能を向上させるフレームワークを提案。16台の二腕ロボットで95%の成功率を達成。
- グローバル事前分布と局所一貫性を活用したデュアルメモリ拡張VLAモデルによる効率的なロボットマニピュレーションVLA2026/2/1
タスクレベルの事前分布メモリと実行履歴の一貫性メモリを組み合わせ、拡散ベースのVLAモデルの推論効率と時間的一貫性を改善した手法OptimusVLAを提案。複数のシミュレーションベンチマークで成功率を大幅に向上させた。
- 一点ではなく面で捉える：ロボットタスクの空間グラウンディングのための適応的アフォーダンスヒートマップによる不確実性の表現VLA2025/10/1
空間的な目標を離散的な点ではなく連続的なアフォーダンスヒートマップとして表現し、不確実性を捉えることで、実世界のマニピュレーション成功率82%と最大50倍の高速化を実現したフレームワークRoboMAPを提案。
- OmniEVA: タスク適応型3Dグラウンディングと身体性考慮推論による汎用エンボディドプランナーVLA2025/9/1
タスクに応じて3D情報の融合を切り替えるゲート付き機構と、ロボットの身体制約を推論に組み込む枠組みにより、実機で実行可能な計画を立てるエンボディドAIプランナーを提案。
- GAP-RL: 把持を点として表現する動的物体把持のための強化学習マニピュレーション2024/10/1
6D把持姿勢をガウス点に変換するGrasp Encoderと把持可能領域探索を組み合わせ、動く物体を強化学習で把持するフレームワークを提案し、シミュレーションと実機で有効性を示した。
- マルチモーダルな人間ガイダンスによる目標指向物体把持マニピュレーション2024/8/1
言語指示・指差し・クリックといった人間のマルチモーダルなガイダンスを統合し、対象物体周辺の局所領域に注目して6-DoF把持を効率的に検出するTOGNetを提案した。
- 正規化把持空間を用いた領域認識型6自由度把持フレームワークマニピュレーション2024/6/1
把持表現を正規化された領域空間に統一するNormalized Grasp Spaceを提案し、効率的なCNNベースの6自由度把持検出ネットワークRNGNetを構築した。公開ベンチマークで20%以上の性能向上と約50FPSのリアルタイム推論を実現した。
- パート誘導型3D強化学習による関節物体操作のSim2Realsim2real2024/4/1
2Dセグメンテーションと3D強化学習を組み合わせ、実機での関節物体操作をデモなしで学習するフレームワークを提案。不確実性を考慮したサンプリングで実機での安定性を向上させた。
- 6自由度把持検出の再考：高品質把持のための柔軟なフレームワークマニピュレーション2024/3/1
把持中心の視点から、シーン全体と特定対象の両方の把持に対応するFlexLoGを提案し、GraspNet-1Billionで大幅な精度向上と実環境で95%の成功率を達成した。
- ヒートマップ誘導による混雑環境での効率的な6自由度把持検出マニピュレーション2024/3/1
把持ヒートマップをガイダンスとして用い、局所領域に注目することで混雑環境でもリアルタイムに高精度な6自由度把持検出を実現した手法を提案。
- GenH2R: Learning Generalizable Human-to-Robot Handover via Scalable Simulation, Demonstration, and Imitation2024/1/1
- ManiSkill2: A Unified Benchmark for Generalizable Manipulation Skills2023/2/1