Tong Xu
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
- Verti-WM: オフロード強化学習のための物理支援型外受容ワールドモデルsim2real2026/9/19
地形の高低差と意味情報を入力に、剛体地形用Transformerと軟弱地形用テラメカニクスモデルを融合して6自由度のロールアウトを生成するワールドモデルを提案し、シミュレータなしで方策最適化を可能にした。
- 没入型人間デモンストレーションによる3D障害物環境でのシーン認識型ヒューマノイド歩行の学習歩行2026/9/17
VRで収集した人間の動作をシーン認識型にリターゲティングし、障害物を避けながら全身で移動するヒューマノイド歩行ポリシーを学習させた。
- NeSAM: 土壌適応を備えたオフロード移動のためのニューロシンボリック動力学オフロード移動/動力学予測2026/8/21
オフロード車両の運動予測を、土壌力学を明示的に扱うテラメカニクスと学習ベースの残差モデルを組み合わせたニューロシンボリックフレームワークで高精度化した。
- VertiAKD: 垂直に困難な地形における適応型オフロード運動力学オフロード移動2026/8/1
異なる車両と未知の地形に対して、限られたデータから運動力学モデルを転移・適応させる統一フレームワークを提案し、予測誤差を大幅に削減した。
- VertiAdaptor: 垂直障害地形のためのオンライン運動力学適応自動運転/オフロード/運動力学適応2026/3/1
オフロード環境での自動運転向けに、標高と意味的埋め込みを統合し、関数エンコーダを用いて地形認識型の運動力学モデルと計画を実現するオンライン適応フレームワークを提案。学習済み空間での最小二乗計算により未知環境へ高速適応し、予測精度と適応時間を改善。
- CAR: モビリティ表現による車両間キノダイナミクス適応sim2real2026/3/1
Transformerエンコーダで車両の軌道遷移と物理構成を共通のモビリティ潜在空間に埋め込み、近傍から共通性を抽出することで、新たな車両へのキノダイナミクス適応を短時間・低計算コストで実現するフレームワークを提案。
- 適応的ダイナミクス計画によるロボットナビゲーションナビゲーション2025/10/1
強化学習を用いてロボットのダイナミクス特性を動的に調整し、環境の複雑さに応じて計画器が適応できるようにする手法を提案。シミュレーションと実世界実験でナビゲーションの成功率、安全性、効率が向上することを示した。
- Verti-Arena：マルチテランのオフロード自律走行のための制御可能で標準化された屋内テストベッドオフロード自律走行2025/8/1
オフロード自律走行研究のための再構成可能な屋内テストベッドを提案し、遠隔実験用のWebインターフェースも開発した。
- CARoL: ロボット学習のための文脈適応強化学習2025/6/1
システムダイナミクスの状態遷移から文脈を認識し、過去の知識との類似性を評価して新タスクに適応させる強化学習フレームワークを提案し、シミュレーションと実車で有効性を示した。
- ロボットナビゲーションのための漸減ダイナミクスプランニングナビゲーション2025/3/1
ロボットの動力学制約を計画全体に統合し、計画の進行に伴って動力学モデルの忠実度を徐々に下げる新しい枠組みを提案し、複数のプランナーで性能向上とBARNチャレンジ優勝を達成した。
- 報酬の補助輪：ロボティクス強化学習のための適応的補助報酬強化学習2025/3/1
教師-生徒フレームワークにより、ロボットの学習進度に応じて補助報酬の重みを動的に調整し、人手設計の報酬を上回る性能と学習効率を実現した。
- Verti-Bench：垂直に険しい地形のための汎用かつスケーラブルなオフロード移動ベンチマークオフロード移動ベンチマーク2025/2/1
垂直に険しいオフロード環境での移動性能を評価するための、100環境・1000タスクからなる高忠実度マルチフィジックスシミュレーションベンチマークを提案し、10の移動システムを比較評価した。
- データ効率の良い身体性マニピュレーションのための原子スキルライブラリ構築法マニピュレーション2025/1/1
VLPでタスクをサブタスクに分解し、原子スキルとして抽象化・VLA微調整することで、動的に拡張可能な原子スキルライブラリを構築し、データ効率と新タスク適応性を高める手法を提案。
- 縦に厳しい地形における車輪移動のための強化学習走行制御/強化学習2024/9/1
急斜面や岩場などの縦に厳しい地形を車輪ロボットが走破できるよう、シミュレータ上でPPOとカリキュラム学習を用いたエンドツーエンド強化学習を訓練し、実機V4Wで検証した。
- PIETRA: 分布外地形走行のための物理情報に基づく証拠学習sim2real2024/9/1
自己教師あり学習に物理モデルを組み込み、未知の地形では学習予測と物理予測を切り替えることで、分布外環境での走行性能を向上させたフレームワーク。
- VertiSelector: 垂直に険しい地形での車輪移動のための自動カリキュラム学習sim2real2024/9/1
TD誤差に基づいて訓練地形を自動選択するカリキュラム学習フレームワークを提案し、車輪ロボットの垂直障害物走破性能と実世界汎化を向上させた。