Zechu Li

収録論文 8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

• できないことを見つけよう：自己改善型VLAモデルのためのエージェント的実世界強化学習
  VLA2026/9/25

  視覚言語行動モデルが実世界で自律的に練習し、失敗から学んで自己改善する強化学習フレームワークFINDを提案。人間によるリセットや報酬ラベルなしで成功率を55%から71.9%に向上させた。

• 言語条件付き両手巧緻操作のための強化学習によるスケーラブルなマルチタスクデータ生成
  両手操作/データ生成/強化学習2026/6/1

  両手巧緻操作の汎用ポリシー学習に必要な大規模データを、強化学習と汎用報酬設計・ドメインランダム化・言語注釈を組み合わせたパイプラインでシミュレーション生成し、マルチタスク学習の汎化性能を向上させた。

• HARBOR: エージェント型ロボット強化学習のためのハーネスフレームワーク
  強化学習/自動化2026/6/1

  ロボット強化学習のパイプラインを自動化するエージェントフレームワークを提案し、環境構築からポリシー訓練までを自動化して、複数のベンチマークで有効性を示した。

• Nautilus: 単一プロンプトからプラグアンドプレイのロボット学習へ
  ロボット学習基盤2026/5/1

  ロボット学習研究の断片化を解消するため、単一のユーザープロンプトから再現・評価・微調整・展開ワークフローを自動生成するオープンソースハーネスNAUTILUSを提案。ポリシー、シミュレータ、実ロボット間の統一インターフェースと自動検証により、手書きのグルーコードなしで相互検証を拡張する。

• SE(3)-PoseFlow: 不確実性を考慮したロボットマニピュレーションのための6D姿勢分布推定
  姿勢推定/不確実性/マニピュレーション2025/11/1

  SE(3)多様体上のフローマッチングを用いて物体の6D姿勢分布を確率的に推定し、対称物体や遮蔽時の不確実性を扱えるようにした手法を提案。能動的知覚や把持合成などのロボット操作タスクへの応用も示した。

• 両手利き双腕マニピュレーションのための形態対称強化学習
  マニピュレーション2025/5/1

  ロボットの左右対称性を帰納バイアスとして活用し、双腕操作タスクを片手ごとのサブタスクに分解して訓練し、両手利きのグローバル方策に蒸留する強化学習フレームワークSYMDEXを提案。

• シミュレーションで現実を再現する：実世界からシミュレーションを経て実世界に戻るロバストマニピュレーション手法
  マニピュレーション2024/3/1

  少量の実世界データからデジタルツインを構築し、強化学習で模倣学習ポリシーをロバスト化するreal-to-sim-to-realパイプラインを提案。

• Parallel $Q$-Learning: Scaling Off-policy Reinforcement Learning under Massively Parallel Simulation
  2023/7/1