Sen Cui
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
- RoboCoach: 世界モデルを能動的コーチとして用いた構成可能なロボットスキルの改善マニピュレーション2026/9/30
世界モデル内で想像した失敗を診断し、次に教えるべきサブタスクと更新すべき専門家を選ぶことで、少ない実演データで長期的なロボット操作スキルの組み合わせを効率的に改善するフレームワークを提案。
- LPA-CWM：反事実世界モデルによる運動推論のための学習型物理判定器運動推論/世界モデル2026/9/12
動画予測モデルから反事実的な介入で運動を抽出する際、複数の候補応答を軽量な学習型判定器で重み付け統合し、信頼性の高い運動推定を実現した研究。
- ConfAL-WM: 信頼度ガイドによる行動条件付きワールドモデルの能動学習ワールドモデル/能動学習2026/8/26
行動条件付きワールドモデルの誤差が集中する局所領域を、軽量な信頼度プローブで検出し、能動学習で効率的にデータ選択・重み付けして事後学習するフレームワークを提案した。
- MOSH-WM: マスク接地ソフトハミルトン力学によるオブジェクト中心世界モデル世界モデル2026/8/24
オブジェクト中心の世界モデルで、マスクの空間モーメントから位置・運動量状態を構成し、学習したエネルギーでソフトな方向バイアスを与えて将来映像を予測する手法を提案。OBJ3DとCLEVRERで既存手法より高精度な予測を達成。
- VERDI: 継続的な世界モデル最適化における検索は転移ではない世界モデル最適化2026/8/10
事前学習済み世界モデルをユーザー指定の目的に最適化する際、過去の成功戦略をそのまま再利用するのではなく、対象モデルでの実験検証を経て初めて転移可能な知識とする継続的フレームワークVERDIを提案。最適化指紋と検証機構により探索コストと負の転移を大幅に削減した。
- Orca：世界は心の中にある世界モデル2026/6/29
Orcaは、マルチモーダルな世界信号から統一された世界潜在空間を学習し、テキスト生成・画像予測・身体動作生成などの下流タスクを軽量デコーダで実現する世界基盤モデルである。
- ゴールドポイントスナイパー：微細な行動理解のためのVLMにおける自己誘導型視覚推論VLA/行動理解2026/6/21
ロボットが広視野画像中の小さな人物の微細な行動を理解するため、軽量VLMに自己誘導型のマルチモーダル推論を組み込むフレームワークGPSを提案し、行動関連の重要点抽出、自己質問による検証、意味的含意評価で精度と事実整合性を向上させた。
- 物理的にネイティブな世界モデル：生成的世界モデリングへのハミルトン的視点世界モデル2026/5/1
世界モデルの研究を、ハミルトン力学に基づく構造化された潜在空間での進化として捉え直し、物理的に意味のある予測と行動計画を可能にする新しい枠組みを提案する論文。
- FATE: 物理的に基盤づけられたロボットカリキュラムのための閉ループ実現可能性認識タスク生成と能動的修復タスク生成/LLM/シミュレーション2026/3/1
大規模言語モデルによるロボットタスク生成の物理的非実現性問題を解決するため、生成ループに具現化エージェントを組み込み、静的検証とシミュレーション実行検証を経て、非実現タスクを能動的に修復する閉ループフレームワークFATEを提案した。
- アフォーダンスグラフによるタスク世界：スケーラブルな身体性学習のための自己進化型タスク生成sim2real2026/2/1
実世界観察からアフォーダンスグラフでタスクを階層分解し、VLM推論と幾何検証を組み合わせた自己進化機構でロボット方策を自動生成・改善するフレームワークを提案。