Xunlan Zhou

収録論文 6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

• 保守性を超えて：モデルベース模倣学習のための回復可能性条件付き探索
  模倣学習2026/9/27

  モデルベース模倣学習において、保守的方策学習と能動的データ収集を分離し、メイン方策が専門家行動へ戻れる回復可能な未知状態に探索を集中させるRECONを提案。歩行・ナビゲーション・操作タスクで効率と性能を改善。

• SAMBAR: 双対変数と選択的アンカリングによるVision-Language-Actionモデルの継続学習
  VLA2026/9/26

  過去タスクのデモなしでVLAモデルをファインチューニングする際の破滅的忘却を防ぐため、制約付き最適化と乗数法を用いて重要パラメータを選択的に固定する継続学習手法を提案。

• BRICKS-WM: インターフェース合成力学による構造化世界モデルの再利用性構築
  モデルベース強化学習2026/6/15

  モデルベース強化学習において、環境ダイナミクスをエージェントと背景のモジュールに分離し、学習済み背景モジュールを再利用可能にする構造化世界モデルフレームワークを提案した。

• TACO: 継続的ニューラルマッピングのための時間的合意最適化
  ニューラルマッピング2026/2/1

  過去のモデルスナップショットを時間的近傍とみなし、リプレイなしで重み付き合意を取ることで、動的環境に適応する継続的ニューラルマッピング手法を提案。

• MARVL: 視覚言語モデルによるロボットマニピュレーションの多段階ガイダンス
  マニピュレーション2026/2/1

  視覚言語モデルを微調整してタスクを多段階のサブタスクに分解し、密な報酬を自動設計することで、ロボット強化学習のサンプル効率と頑健性を向上させた研究。

• UDON: 極限通信制約下でのマルチロボット神経陰的マッピングのための不確実性重み付き分散最適化
  マルチロボットマッピング2025/9/1

  通信成功率が1%まで低下する極限環境でも、不確実性重み付き分散最適化により複数ロボットが高品質な神経陰的マップを協調構築できるフレームワークを提案。