Xiaoyu Huang
RoboProbe
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
- 予想外のロボットポリシー：GPT-6 AstraのRoboDojoとその先における初期評価VLA2026/9/21
大規模言語モデルをロボット操作のポリシーとして直接使えるかを検証し、GPT-6 Astraが公開ポリシーを上回る成功率を示す一方、精度や動的制御を要するタスクは苦手であることを明らかにした。
- 現実的な高速道路交通シミュレーションのための異種自己対戦交通シミュレーション2026/4/1
高速道路の交通生成を目的に、エージェントごとの条件付けと合成シナリオ生成、閉ループマルチエージェント学習を組み合わせた自己対戦フレームワークPHASEを提案。実データなしで訓練しつつ、実シナリオへのゼロショット転移で高い成功率と低い誤差を達成した。
- 知覚型ヒューマノイドパルクール：モーションマッチングによる動的人間スキルの連鎖歩行2026/2/1
人間の動的スキルをモーションマッチングで連鎖させ、深層知覚と強化学習により、ヒューマノイドが障害物を乗り越え・登り・跳び越え・転がり落ちるパルクールを自律実行できるフレームワークを提案。
- フローポリシー勾配によるロボット制御強化学習2026/2/1
フローマッチングを用いたポリシー勾配法を改良し、脚式移動やヒューマノイド動作追従、マニピュレーション、sim-to-real転移を実現した研究。
- OmniRetarget: 相互作用を保持するヒューマノイド全身移動操作・シーンインタラクション向けデータ生成sim2real2025/9/1
人間・地形・物体間の空間的・接触的関係をインタラクションメッシュで明示的に保持しながら運動をリターゲティングし、物理的に妥当で多様な全身移動操作データを生成する手法を提案。
- BeyondMimic: 誘導拡散による運動追従から多様なヒューマノイド制御へヒューマノイド制御2025/8/1
単一の運動追従フレームワークでアクロバティックな動作を学習し、潜在拡散モデルと分類器誘導により未知のタスクへゼロショット転移する手法を提案。
- LeVERB: 潜在視覚言語指示によるヒューマノイド全身制御VLA2025/6/1
ヒューマノイドの全身制御向けに、視覚言語ポリシーが潜在的な行動語彙を学習し、強化学習ベースの全身制御ポリシーがそれを実行する階層型フレームワークを提案。150以上のタスクを含む初のsim-to-real対応ベンチマークで評価し、単純な階層型VLAより7.8倍高い成功率を達成。
- Berkeley Humanoid Lite：オープンソースで入手しやすくカスタマイズ可能な3Dプリントヒューマノイドロボットの実演ヒューマノイド/オープンソースハードウェア2025/4/1
市販部品とデスクトップ3Dプリンタで作れる低コスト（5000ドル以下）のオープンソースヒューマノイドロボットを開発し、強化学習による歩行制御でその能力を実証した。
- LangWBC: 言語指示によるヒューマノイド全身制御のエンドツーエンド学習VLA2025/4/1
言語コマンドを直接解釈してヒューマノイドの全身動作を生成するエンドツーエンド方策を、強化学習と方策蒸留およびCVAE構造で実現し、実機で検証した。
- Diffuse-CLoC: 物理ベースキャラクターの先読み制御のための誘導拡散拡散モデル/キャラクター制御2025/3/1
状態と行動の同時分布を単一の拡散モデルで学習し、予測状態に条件付けすることで、物理的に実現可能で操縦可能な先読み制御を実現した研究。
- HiLMa-Res: 残差強化学習による四脚ロボットの移動と操作を統合する汎用階層フレームワーク移動操作2024/7/1
四脚ロボットが歩行しながら脚で操作を行うための階層型強化学習フレームワークを提案し、実機で複数の移動操作タスクにおいて既存手法より優れた性能を示した。
- Berkeley Humanoid：学習ベース制御のための研究プラットフォーム歩行2024/7/1
低コストで信頼性の高い中型ヒューマノイドロボットを開発し、軽度のドメインランダム化を用いた強化学習制御により、屋外の様々な地形での俊敏な歩行や跳躍を実現した。
- DiffuseLoco: オフラインデータセットからの拡散モデルによるリアルタイム脚式移動制御歩行2024/4/1
オフラインデータセットから拡散モデルを用いて多様な脚式移動スキルを学習し、実機の四足ロボットでリアルタイム制御とゼロショット転移を実現したフレームワーク。
- 脚式ロコモーション制御における対称性を活用した強化学習歩行2024/3/1
脚式ロボットの強化学習において、ネットワークの同変・不変性やデータ拡張で対称性を組み込み、サンプル効率と歩容品質を改善し実機へゼロショット転移できることを示した。
- Radar-Camera Fusion for Object Detection and Semantic Segmentation in Autonomous Driving: A Comprehensive Review2023/4/1
- Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning2022/10/1