Yufei Jia
The University of Tokyo
収録論文 19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
- F4R: 失敗駆動型の認識・再構築・洗練・再展開によるロボットの継続的自己改善マニピュレーション2026/9/28
ロボットの失敗を自動で診断し、シミュレーション環境で再構築して強化学習で改善する閉ループ学習フレームワークを提案。実世界での追加デモ収集なしに、4つのマニピュレーションタスクで高い成功率を達成した。
- ゲームプレイから方策へ：ゲーム化されたロボット不要のインタラクションによるスケーラブルなロボットデータ収集VLA2026/9/16
VRゲームで人間の操作データを収集し、ロボットに転移する枠組みを提案。ゲームから実機へのギャップを埋めるGame2Policyにより、少数の実機デモで成功率が向上することを示した。
- 一度試せば最適化：クロスエピソード探索償却のための冗長性除去手順メモリマニピュレーション2026/7/1
隠れた内部状態を持つ物体の操作において、一度解いたインスタンスを再び遭遇した際に再探索せず、物体の特徴に基づいて手順を記憶し再利用するフレームワークを提案。
- ビデオが誤読するとき：探索的操作トレースQAのための読み取りヒューリスティックの閉ループ蒸留操作/ロボット学習2026/6/7
探索的操作の失敗トレースから最小成功アクション連鎖を予測するEMT-QAタスクを提案し、トレースから読み取りヒューリスティックを蒸留してVLMの精度を大幅に向上させる手法を導入した。
- QuadVerse: 四足歩行シミュレーションのための視覚と物理の現実を統合するフレームワークsim2real2026/6/1
RGB動画から再構成した3Dシーンを基盤に、視覚・接触・アクチュエータの各ギャップを統合的に補正し、実機データなしで視覚ナビゲーションをゼロショット展開できる四足歩行シミュレーションフレームワークを提案した。
- GeoAlign: セマンティクスを超えた状態誘導による空間的位置合わせをVLAモデルに導入VLA2026/6/1
VLAモデルにロボットの状態情報を利用した幾何学的特徴の位置合わせ機構を導入し、操作タスクの成功率を向上させた。
- MuJoCoUni：MuJoCo向けの持続的バッチ実行ランタイムプリミティブシミュレーション2026/5/1
オンラインロボット学習とバッチ物理評価のためのMuJoCo拡張で、状態を持つ環境実行のランタイムプリミティブを提供する。
- UniLab: GPU中心パラダイムを超えたロボット強化学習のためのヘテロジニアスアーキテクチャ強化学習/システムアーキテクチャ2026/5/1
CPUシミュレーションとGPU学習を分離したヘテロジニアスな強化学習システムUniLabを提案し、GPUシミュレーションに依存せずに3〜10倍の学習効率向上を実証した。
- GS-Playground: 視覚に基づくロボット学習のための高スループット写実的シミュレータシミュレーション2026/4/1
3Dガウススプラッティングと並列物理エンジンを統合した高速写実シミュレータを開発し、視覚ベースの強化学習を大規模に加速する。
- OmniDP: 全方位3D知覚による広視野・大作業空間でのヒューマノイド操作操作2026/3/1
RGB-Dカメラの狭い視野や自己遮蔽の問題を解決するため、LiDARによる全方位点群を時間的注意プーリングで処理するエンドツーエンドの3D視覚運動ポリシーを提案し、ロボットの再配置なしで広い作業空間での操作を可能にした。
- HiWET: 長期的なヒューマノイド移動操作のための階層型ワールドフレームエンドエフェクタ追従移動操作2026/2/1
ヒューマノイドの移動操作をワールド座標系でのエンドエフェクタ追従問題として再定式化し、高レベル方策がサブゴールを生成、低レベル方策が安定性制約下で実行する階層型強化学習フレームワークを提案。運動学的マニフォールド事前分布により探索を効率化し、実機へのゼロショット転移も実証した。
- FGGS-LiDAR: 3DGSモデルからLiDARへ超高速GPUシミュレーションsim2real2025/9/1
事前学習済み3DGSアセットをメッシュ化し、GPU加速レイキャスティングで500FPS超のLiDARシミュレーションを実現するフレームワークを提案。
- ManiVID-3D: 分離された3D表現による視点不変なロボットマニピュレーションのための汎化可能な強化学習マニピュレーション2025/9/1
カメラ視点が変わっても頑健に動作するロボットマニピュレーションのための3D強化学習手法を提案し、視点変化下で成功率を大幅に向上させた。
- FILIC: インピーダンストルク制御を用いた二重ループ力誘導模倣学習による接触の多いマニピュレーションマニピュレーション2025/9/1
力覚センサなしでも関節トルクから力を見積もり、インピーダンス制御とTransformer模倣学習を二重ループで組み合わせて、接触の多い作業を安全かつ柔軟に実行する手法を提案。
- DISCOVERSE: 複雑で高忠実度な環境における効率的なロボットシミュレーションsim2real2025/7/1
3DガウススプラッティングとMuJoCoを組み合わせ、実世界の複雑な環境を高精細に再現してロボット学習を行うオープンソースのReal2Sim2Realシミュレーションフレームワークを提案し、模倣学習におけるゼロショットSim2Real転移で最先端性能を示した。
- 全方位知覚：動的環境における脚式移動のための全方向衝突回避歩行2025/5/1
生のLiDAR点群を直接処理して3D空間認識と全方向衝突回避を実現する脚式ロボットのエンドツーエンド移動ポリシーを提案し、高忠実度LiDARシミュレータで訓練して実環境でも検証した。
- 微分可能シミュレーションによる汎化可能なロボット方策転移のためのReal-Sim-Realループフレームワークsim2real2025/3/1
微分可能シミュレーションを活用し、実世界データでシミュレータを反復的に調整するReal-Sim-Realループを提案。マニピュレーションタスクでsim-to-realギャップを大幅に削減し、高い汎化性能を実現した。
- ImitDiff: 基盤モデルの事前知識を転移した妨害に頑健な視覚運動模倣ポリシーVLA2025/2/1
視覚言語基盤モデルで指示をピクセル単位の意味マスクに変換し、二重解像度の知覚と拡散トランスフォーマで妨害に強い模倣学習ポリシーを実現した。
- 車輪脚ロボットの移動操作のためのアーム制約付きカリキュラム学習移動操作2024/3/1
車輪脚ロボットにマニピュレータを搭載し、アーム制約付き強化学習と報酬対応カリキュラム学習で動的把握タスクを実現した。