Yuyang Li
収録論文 17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
- 行動を考慮した階層的最適化によるゼロからのロボットツール設計ツール設計2026/9/28
ツールの構造・形状・動作を所望の物理的結果から同時に設計する階層的最適化手法HOTを提案し、4つのツール使用タスクで機能的な構造を発見、3Dプリントしたツールで実機タスクを達成した。
- ArtManip: カテゴリレベルの関節物体ハンド内操作ハンド内操作2026/9/11
関節物体をロボットハンドで把持したまま操作するカテゴリレベル手法を提案し、シミュレーションで未見物体や多様な初期把持に汎化、実世界12物体へのゼロショット転移を実現した。
- 人間レベルの巧みな遠隔操作を目指して遠隔操作2026/7/1
手と物体の同時追跡制御を用いて、人間の操作意図を学習済みの接触実行にマッピングし、物体の回転や長時間の道具使用など7つの難易度の高い遠隔操作タスクで高い成功率を達成した。
- シミュレーションと人間の協調学習によるデータ効率的で汎化可能なロボットマニピュレーションマニピュレーション2026/1/1
シミュレーションのロボット動作と実世界の人間観察を同時に活用する協調学習フレームワークSimHumを提案し、少ない実データで汎化性能の高いマニピュレーションを実現した。
- 触覚と視覚の同時知覚によるマルチモーダルロボットマニピュレーション学習マニピュレーション2025/12/1
透明な弾性体と新規マーカーを備えた触覚・視覚同時センサTacThruと、Transformerベースの拡散方策を用いた模倣学習フレームワークTacThru-UMIを提案し、実世界の5タスクで平均85.5%の成功率を達成した。
- TacMan-Turbo: 関節物体操作のための先読み触覚制御による高ロバスト・高効率化マニピュレーション2025/8/1
触覚の接触ずれを局所的な運動学情報として解釈し、将来の最適動作を先読みして補正する関節物体マニピュレーション手法を提案。シミュレーション200物体と実機で成功率100%を維持しつつ、時間・動作効率・軌道平滑性を大幅改善した。
- Taccel: 高性能GPUシミュレーションによる視覚ベース触覚ロボティクスのスケールアップ触覚2025/4/1
視覚ベース触覚センサ(VBTS)を高精度かつ高速にシミュレーションするGPUプラットフォームTaccelを提案し、実時間の18倍の速度で数千並列環境を実現、sim-to-real転移も検証した。
- RoboVerse：スケーラブルで汎化可能なロボット学習のための統合プラットフォーム・データセット・ベンチマークsim2real2025/4/1
複数のシミュレータとロボット形態に対応する統合シミュレーション基盤MetaSimと、高品質な合成データセット、模倣学習・強化学習の統一ベンチマークを提供するフレームワークを提案。
- Afford-X: タスク指向操作のための汎化可能で軽量なアフォーダンス推論アフォーダンス推論2025/3/1
大規模データセットLVIS-Affを構築し、動詞注意と双方向融合モジュールを備えた軽量モデルAfford-Xを開発。非LLM手法を上回る性能を達成し、GPT-4Vより約50倍高速にアフォーダンス推論を行う。
- ManipTrans: 残差学習による効率的な両手巧み操作の転移マニピュレーション2025/3/1
人間の両手操作スキルをシミュレーション上のロボットハンドへ効率的に転移する二段階手法を提案し、大規模データセットDexManipNetを構築した。
- ロボットハンド全体への高解像度触覚埋め込みによる適応的な人間らしい把持触覚2024/12/1
表面の70%に0.1mm解像度の触覚センサを備えた生体模倣ハンドを開発し、生成アルゴリズムと組み合わせることで、動的な実環境での把持性能が触覚なしの場合より大幅に向上することを示した。
- 深海A*+：改良A*と動的ウィンドウ法を統合した自律型水中ロボットの高度経路計画手法経路計画2024/10/1
改良A*による大域的経路計画と動的ウィンドウ法による局所的障害物回避を組み合わせ、水中ロボットの経路の滑らかさとリアルタイム応答性を向上させた。
- PreAfford: 多様な物体と環境に対応するユニバーサルなアフォーダンスベースの事前把持マニピュレーション2024/4/1
把持しにくい物体に対して、点レベルのアフォーダンス表現とリレー学習を用いた事前把持計画フレームワークを提案し、把持成功率を69%向上させた。
- Ag2Manip: エージェント非依存の視覚・行動表現による新規マニピュレーションスキルの学習マニピュレーション2024/4/1
人間の操作動画からエージェント非依存の視覚表現と、ロボットの運動学を汎用エージェント代理に抽象化した行動表現を学習し、ドメイン固有のデモなしで新規マニピュレーションタスクの性能を大幅に向上させた。
- Tac-Man: 触覚情報のみによる関節物体の事前知識不要マニピュレーションマニピュレーション2024/3/1
触覚フィードバックのみを利用し、物体の事前知識なしに関節物体を安定して操作する手法を提案。実機とシミュレーションで高い成功率を示した。
- Grasp Multiple Objects with One Hand2023/10/1
- GenDexGrasp: Generalizable Dexterous Grasping2022/10/1