Ri-Zhao Qiu
収録論文 17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
- Neverwhere ビジュアルパルクールベンチマークスイートsim2real2026/9/14
3Dガウススプラッティングで再構成した60以上の都市シーンからなる、視覚移動制御の閉ループ評価環境を構築し、多様なデータの必要性を示した。
- EgoPhys: 一人称視点動画から変形物体の汎用的物理モデルを学習する変形物体/物理モデル/一人称視点2026/6/15
一人称視点のRGB動画のみから変形物体の物理デジタルツインを構築するフレームワークを提案し、未知物体へのゼロショット一般化を実現した。
- ConTrack: 適応的トレードオフ制御による拘束付き手の動作追跡模倣学習/強化学習2026/6/1
物体追跡を制約とし、残りの制御権を動作忠実度に割り当てる強化学習フレームワークを提案。長期的な接触豊富な手の動作追跡を安定化し、シミュレーションと実ロボットで精度を向上させた。
- EgoVerse：世界各地から収集したロボット学習用の自己中心視点人間データセットデータセット/模倣学習2026/4/1
人間の自己中心視点のデモデータを大規模に収集・共有するプラットフォームとデータセットを構築し、人間データからロボットへの転移学習の大規模実験を行った。
- トレース条件付きVLA計画による長期的操作マニピュレーション2026/4/1
長期的な操作タスクを、タスク管理VLMが現在の観察から残りの計画を予測し、視覚的トレースを実行VLAに提供することで、短期的なVLA実行を長期的な指示追従に拡張するフレームワークを提案。
- HMC：接触の多い移動操作のための異種メタ制御の学習移動操作2025/11/1
位置・インピーダンス・力制御をトルク空間で統合する枠組みを提案し、実機ヒューマノイドで接触を伴う拭き掃除や引き出し開けの成功率を大幅に改善した。
- In-N-On: 野生データとタスク特化データで自己中心視マニピュレーションをスケールアップマニピュレーション2025/11/1
自己中心視データを「野生のデータ」と「タスク特化データ」に分類し、1000時間超の多様なデータで言語条件付きフローマッチング方策Human0を学習。人間とヒューマノイドのギャップを埋め、指示追従や少数ショット学習、ロバスト性向上を実現した。
- GSWorld：ロボットマニピュレーションのための閉ループ写実的シミュレーションスイートsim2real2025/10/1
3Dガウシアンスプラッティングと物理エンジンを組み合わせ、実機データからの方策評価やsim2real学習を閉ループで行える写実的マニピュレーションシミュレータを提案。
- ManiFlow：一貫性フロー学習による汎用ロボットマニピュレーションポリシーマニピュレーション2025/9/1
視覚・言語・固有感覚入力を条件に、一貫性フロー学習で1〜2ステップの高精度なロボット動作生成を実現する汎用模倣学習ポリシーを提案。
- EgoVLA：自己中心視点の人間動画から視覚-言語-行動モデルを学習VLA2025/7/1
一人称視点の人間動画でVLAモデルを訓練し、逆運動学とリターゲティングで人間の手の動きをロボット動作に変換、少数のロボット実演で微調整してロボットポリシーを獲得する手法を提案。
- AMO: 超柔軟ヒューマノイド全身制御のための適応運動最適化全身制御2025/5/1
シミュレーションから実機への強化学習と軌道最適化を統合し、29自由度のヒューマノイドでリアルタイム全身制御を実現した研究。
- M3: 3D空間マルチモーダルメモリ3D表現/マルチモーダル2025/3/1
3Dガウシアンスプラッティングと基盤モデルを統合し、動画から静的な屋内シーンのマルチモーダルな特徴表現を効率的に保持・描画するメモリシステムを提案。四足歩行ロボットへの実装も行った。
- ヒューマノイド方策～ヒューマン方策VLA2025/3/1
一人称視点の人間の操作データをヒューマノイドロボットの学習に活用するため、人間とロボットの状態行動空間を統合したHuman Action Transformer (HAT)を提案し、汎化性能とロバスト性を向上させた。
- WildLMa: 実環境における長期的な移動マニピュレーション移動マニピュレーション2024/11/1
四足歩行ロボットにマニピュレータを搭載し、VR遠隔操作と模倣学習による汎用スキル、LLMプランナを組み合わせて、実世界での長期的な移動マニピュレーションを実現した研究。
- GraspSplats: 3D特徴スプラッティングによる効率的なマニピュレーションマニピュレーション2024/9/1
ガウススプラッティングと深度教師あり学習を用いて60秒未満で高品質な3Dシーン表現を構築し、VLMと組み合わせてロボットのゼロショット把持や動的物体操作を実現する手法を提案。
- 脚式ロコマニピュレーションのための視覚的全身体制御ロコマニピュレーション2024/3/1
脚とアームを同時に制御する全身体制御を視覚入力のみで行う階層型フレームワークを提案し、シミュレーションで訓練して実機に転移、多様な物体の把持を実現した。
- モバイルマニピュレーションのための汎化可能な特徴場の学習モバイルマニピュレーション2024/3/1
移動と操作の両方に使える統一的なシーン表現として、リアルタイムで動作する汎化可能なニューラル特徴場GeFFを提案し、四足歩行ロボットで物体・部位レベルの操作と意味認識ナビゲーションを実証した。