Yilang Liu

Yale University

収録論文 7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

• EmbodiedSWE：長期的器用ロボティクスのためのコーディングエージェント
  VLA2026/9/23

  コーディングエージェントが長期的・器用なロボットタスクを解き、その解を多様な軌道に拡張してVLAを訓練し、実機タスクまで完了できることを示した研究。

• サンプリングベースMPCによる視覚ポリシー学習の加速
  VLA2026/9/17

  サンプリングベースのモデル予測制御と一次勾配ポリシー最適化を組み合わせ、深度画像から歩行・操作ポリシーを効率的に学習し、実機ロボットへゼロショット転移する手法を提案。

• 一般化された運動場における漸近最適エルゴード被覆
  探索計画2026/5/1

  時間変化する流れ場での探索をエルゴード被覆問題として定式化し、領域の進化を考慮した流れ適応型の被覆指標を提案した。これにより、非駆動や開ループ計画でも効果的な探索が可能になることを実験で示した。

• 確率的分離ポリシー勾配による効率的なオンポリシー視覚強化学習
  強化学習/視覚2026/5/1

  軌道ロールアウトのランダム摂動でポリシー勾配を推定し、単一GPUで数時間の学習を実現する軽量な視覚強化学習手法SDPGを提案。視覚MuJoCoベンチマークで既存手法より高速・低メモリ・高報酬を達成し、実機へのsim-to-real転送も実証した。

• サンプルベースハイブリッドモード制御：アルゴリズム的および非微分可能制御モードの漸近的最適切替
  ハイブリッド制御2025/10/1

  非微分可能なアルゴリズム的制御モード間の切替を整数最適化問題として定式化し、サンプルベース探索で効率的に解く手法を提案。長期計画と高頻度制御の反応的切替を要する実機ロボットタスクで有効性を示した。

• 微分可能シミュレーションの並列化による視覚ポリシー学習の高速化
  視覚ポリシー学習2025/5/1

  レンダリングを計算グラフから切り離すことで微分可能シミュレータと組み合わせ、視覚ポリシー学習を安定化・高速化する手法を提案。ヒューマノイド走行を単一GPUで4時間で学習できる。

• An Energy-Saving Snake Locomotion Gait Policy Obtained Using Deep Reinforcement Learning
  2021/3/1