Yuxiang Chen

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

• FailPatch: 視覚言語行動モデルのための失敗残差パッチング
  VLA2026/9/28

  VLA方策の失敗しやすい状態を検出し、凍結した方策の隠れ表現に残差エキスパートを注入して成功率を改善する手法を提案。

• 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。

• Qwen-RobotWorld 技術報告：言語条件付きビデオ生成による身体化世界モデルの統合
  世界モデル/ビデオ生成2026/6/15

  自然言語を統一アクションインターフェースとして用い、現在の観測から物理的に妥当な未来の視覚軌跡を予測する言語条件付きビデオ世界モデルを提案。ロボット操作、自動運転、屋内ナビゲーション、人間からロボットへの転移を統一的に扱い、データ生成・評価環境・計画信号の3つの応用を示す。

• 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。

• 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。

• Dexbotic: オープンソース視覚-言語-行動ツールボックス
  VLA2025/10/1

  複数のVLAモデルを単一環境で再現・開発できるPyTorchベースのオープンソースツールボックスを提供し、高性能な事前学習済みモデルも公開した。