Zhe Hu

Chongqing University

収録論文 12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

• Capek 0.5: 実行中心の視覚言語モデルによる具現化知能
  VLA2026/8/7

  ロボットの実行プロセスに着目し、空間推論・時間理解・行動誘導・状態検証の4つの能力を専門家モデルで学習し、統合する視覚言語モデルCapek 0.5を提案した。

• EvoHIL: 自己進化型報酬とフローマッチングによるポリシー最適化を用いた堅牢な人間参加型強化学習
  強化学習2026/8/1

  人間参加型強化学習において、報酬モデル・行動生成・視覚ドメインの3つの限界を同時に適応させる統一フレームワークEvoHILを提案し、照明変化下の6つの操作タスクで性能を向上させた。

• 照明変化に頑健な人間参加型ロボット強化学習
  強化学習2026/5/1

  照明変化による視覚分布のずれで性能が落ちる問題に対し、追加の実ロボット操作なしで、画像の再照明と忘却防止機構を組み合わせたオフライン微調整フレームワークRoHILを提案した。

• 動力学ブラインドネスの克服：VLAモデルのための学習不要のペース・経路補正
  VLA2026/5/1

  単一フレーム観測に基づくVLAモデルが動的環境で性能劣化する問題に対し、学習不要で閉形式の推論時補正演算子を提案し、動的環境での成功率を最大28.8%向上させた。

• Goal2Skill: 適応的計画と内省による長期的操作
  VLA/操作2026/4/1

  長期的な操作タスクを高レベルの計画と低レベルの実行に分離した二重システムフレームワークを提案し、記憶と適応的再計画を実現して成功率を大幅に向上させた。

• HSC-VLA: 高密度クラッタ環境での堅牢な両腕操作のための階層的シーンクリアリング
  両腕操作2026/3/1

  高密度な環境での操作タスクにおいて、タスクに関係ない視覚情報が注意を散漫にし性能を低下させる問題を解決するため、高レベルな視覚意味推論と低レベルな感覚運動実行を分離する階層的フレームワークを提案した。

• 言語拡張型記号プランナによるオープンワールドタスク計画
  タスク計画2024/7/1

  大規模言語モデルを組み合わせて、不完全な知識しかないオープンワールド環境でも記号プランナが動作できるようにし、実行エラーを診断しながら知識を段階的に構築する手法を提案した。

• Safe Navigation with Human Instructions in Complex Scenes
  2018/9/1
• Learning-based Feedback Controller for Deformable Object Manipulation
  2018/6/1
• Cloth Manipulation Using Random-Forest-Based Imitation Learning
  2018/2/1
• Manipulating Highly Deformable Materials Using a Visual Feedback Dictionary
  2017/10/1
• 3D Deformable Object Manipulation using Fast Online Gaussian Process Regression
  2017/9/1