Yuhua Jiang

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

• VLAモデルをより良く訓練する方法：ICRA 2026 REAL-Iチャレンジからの教訓
  VLA2026/9/12

  ICRA 2026の実世界 embodied AI 学習チャレンジREAL-Iの結果を報告し、NUS-CLEAR、RCL-Lab、Deeptouch.aiの3チームのVLAと模倣学習を組み合わせたアプローチを比較して、固定データからのロボット学習の教訓をまとめた論文。

• SCOPE: ビデオワールドモデルのためのスコア分離型エージェント最適化
  ビデオワールドモデル2026/8/15

  推論時に凍結されたビデオワールドモデルを監査可能な形で適応させるフレームワークSCOPEを提案し、Physics-IQベンチマークで性能向上を実証した。

• VLA-GSE: 一般・専門エキスパートによるVLAのパラメータ効率的ファインチューニングの強化
  VLA/パラメータ効率的ファインチューニング2026/5/1

  VLAモデルのロボット制御への適応を改善するため、凍結バックボーンのスペクトル分解に基づき、一般エキスパートと専門エキスパートを導入したパラメータ効率的ファインチューニング手法を提案した。

• UniSteer: 人間のガイダンスを活用したVLA適応のための統合ノイズステアリング
  VLA/強化学習/人間介入2026/5/1

  拡散型VLAモデルの実世界適応を効率化するため、人間の修正行動をノイズ空間の強化学習に統合するフレームワークUniSteerを提案。実機実験で成功率を平均66分で20%から90%に向上させた。

• CKT-WAM: ワールドアクションモデル間のパラメータ効率的な文脈知識転送
  VLA2026/5/1

  異なるワールドアクションモデル間で知識を転送する際、テキスト埋め込み空間のコンパクトな文脈を用いて、軽量なアダプタと圧縮機構で教師モデルの知識を生徒モデルに注入する手法を提案。LIBERO-Plusで1.17%の学習可能パラメータで86.1%の成功率を達成。

• OPRIDE: データセット内探索によるオフライン選好ベース強化学習
  選好ベース強化学習2026/2/19

  オフライン選好ベース強化学習において、クエリ効率を高めるための探索戦略と割引スケジューリングを組み合わせた手法を提案し、少ないクエリで高性能を達成した。

• AsyncVLA：視覚言語行動モデルのための非同期フローマッチング
  VLA2025/11/1

  VLAモデルの行動生成に非同期フローマッチングを導入し、行動の信頼度に基づく自己修正を可能にすることで、長期的タスクでの安定性とデータ効率を向上させた。