Yuhang Dong

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

• 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。

• 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。

• ウェーブレットポリシー：世界事前記憶を用いたスケール領域での模倣学習
  模倣学習2025/4/1

  背景画像から持続的なシーン構造を記憶トークンとして符号化し、ウェーブレット変換で行動をマルチスケールに分解して予測する軽量な模倣学習フレームワークを提案。実機を含む多数のタスクで高精度を達成。

• 好奇心誘導拡散モデル：信頼性のための拡散モデルガイド
  模倣学習2025/3/1

  模倣政策の幻覚を抑えるため、好奇心モジュールで拡散モデルを誘導し、訓練データに沿った信頼性の高い行動を生成する手法を提案。

• 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。

• リソース格差を埋める：高度な模倣学習モデルを手頃な組み込みプラットフォームへ展開
  マニピュレーション2024/11/1

  Transformerベースの大規模模倣学習モデルを、モデル圧縮とTemporal Ensemble with Dropped Actions（TEDA）によりエッジデバイスへ効率的に展開するパイプラインを提案し、各種マニピュレーションタスクで有効性を示した。