Weiduo Yuan
収録論文 7本 ・ フィジカルAI/ロボット学習
VLAロコマニピュレーション操作模倣学習強化学習キャリブレーション
※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
- 空間幾何を活用したUMI操作のためのワールドアクションモデルVLA2026/11/4
RGB-DのUMIデータで学習し、将来のRGB・メートル深度・行動を同時予測する5Bのワールドアクションモデルを提案し、ロボット実機や環境変化への汎化を評価する新ベンチマークも構築した。
- HOTICE: 混雑環境における全身ヒューマノイド物体搬送ロコマニピュレーション2026/9/21
混雑環境で物体を運ぶため、ロボットと荷物の衝突回避を統合したポテンシャル場と、上下半身を分離しつつ全身協調を保つ二重エージェント強化学習、専門家から一般化への蒸留を組み合わせた全身ロコマニピュレーション学習フレームワーク。
- DreamPlan: ビデオワールドモデルによる視覚言語プランナーの効率的な強化学習ファインチューニング操作2026/3/1
ロボット操作のための視覚言語モデルプランナーを、実世界での試行錯誤を避け、ビデオ生成モデルによる仮想ロールアウトを用いて強化学習でファインチューニングする手法を提案した。
- Ψ₀: 汎用人型ロコマニピュレーションに向けたオープン基盤モデルVLA2026/3/1
高品質な一人称視点の人間動画でVLMを事前学習し、人型ロボットの実機データで追加学習する段階的パラダイムにより、少ないデータで人型ロコマニピュレーションを実現するオープン基盤モデルを提案した。
- 視覚的推論を用いた文脈内模倣学習模倣学習2026/3/1
ロボットが少数のデモから新しいタスクを適応学習する際、視覚的な推論トレースをプロンプトに追加し、行動予測と推論過程を同時に学習するフレームワークを提案。シミュレーションと実世界で成功率と汎化性能が向上した。
- 大規模報酬モデル：視覚言語モデルによる汎用的なオンラインロボット報酬生成強化学習2026/3/1
ロボット操作の強化学習において、視覚言語モデルをオンライン報酬生成器として活用し、模倣学習で初期化した方策を少数の反復で改善する枠組みを提案した。
- BEVCALIB: 幾何情報に基づく鳥瞰図表現によるLiDAR-カメラキャリブレーションキャリブレーション2025/6/1
LiDARとカメラの生データから鳥瞰図（BEV）特徴を抽出・融合し、幾何情報を活用した特徴選択で効率的にキャリブレーションを行う初のモデルを提案。KITTIやNuScenesで従来手法を大幅に上回る精度を達成。