Zhengxue Cheng
Shanghai Jiao Tong University
収録論文 10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
- EgoTac: 自己中心視覚からの実環境触覚予測触覚2026/8/15
自己中心視覚映像から触覚情報を予測するモデルEgoTacを提案し、570万以上の画像-触覚ペアで学習して高精度な触覚予測を実現した。
- AdvDex: 関節整合アクションと敵対的学習による人間のデモからの巧みな操作学習巧みな操作/VLA/身体間転移2026/8/14
人間とロボットのデモを統合したVLAフレームワークを提案し、関節整合アクション空間と敵対的学習により異なる身体間の汎化を実現した。
- DP-DeGauss: 一人称視点4Dシーン再構成のための動的確率的高斯分解4D再構成2026/4/9
一人称視点動画から背景・手・物体を分離して4Dシーンを再構成する、動的ガウス分解フレームワークを提案した。
- RoboPaint: 人間の実演から任意のロボット・任意の視点へVLA2026/2/1
人間の多感覚デモを触覚対応リターゲティングとIsaac Simレンダリングでロボット訓練データに変換するReal-Sim-Realパイプラインを提案し、VLAモデルが80%の成功率を達成した。
- TaCo: 異種触覚データの可逆・非可逆コーデックのベンチマーク触覚2026/2/1
触覚データの圧縮手法30種を5データセットで評価する初のベンチマークTaCoを提案し、触覚データで学習した可逆・非可逆コーデックも開発した。
- 身体知能のためのデータ評価データセット評価2025/11/1
身体知能データセットの情報量と学習しやすさを、訓練なしで評価する2つのデータ駆動ツールを提案した論文。
- D3Grasp: 多様で変形可能な物体に対する汎用巧みな把持マニピュレーション2025/9/1
視覚と触覚を統合したマルチモーダル強化学習により、剛体から変形可能な物体まで多様な対象を安定して把持するフレームワークを提案し、実世界で95.1%の成功率を達成した。
- OmniVTLA: 触覚知覚を統合した視覚・触覚・言語・行動モデルVLA2025/8/1
触覚センサの異種性に対応する二経路エンコーダと大規模触覚データセットObjTacを構築し、接触を伴う操作タスクで高い成功率を達成したVLAモデルを提案。
- 身体性AIのための画像品質評価身体性AI/画像品質評価2025/5/1
実世界の歪みが身体性AIの性能に与える影響を評価するため、知覚・認知・意思決定・実行のパイプラインに基づく大規模データベースEmbodied-IQAを構築し、既存の画像品質評価手法の限界を示した。
- TacCompress: 巧みな手の多点触覚データ圧縮ベンチマーク触覚2025/5/1
巧みな手の把持における多点触覚信号を画像化し、可逆・非可逆圧縮コーデックで圧縮性能を評価するベンチマークを提案した。