Zheyuan Hu

Carnegie Mellon University

収録論文 9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

• SeeQ: 長期的ロボットマニピュレーションのための汎用価値関数の学習
  マニピュレーション2026/9/18

  サブタスク単位でQ値を学習し、自然言語でサブタスクを自己回帰的に予測することで、長期的なロボット操作タスクの性能を向上させる手法を提案。

• R^3: 強化学習による自然言語推論を用いたロボットの訓練
  ロボット操作2026/8/26

  この論文は、ロボット操作タスクにおいて、視覚言語モデル(VLM)を自然言語で推論するように訓練し、その推論結果を低レベル操作ポリシーのガイドとして利用する手法を提案している。

• RaC: 復旧と修正のスケーリングによる長期的タスクのロボット学習
  模倣学習2025/9/1

  人間の介入による復旧・修正軌道でロボット政策を微調整し、長期的タスクの効率と堅牢性を向上させる手法を提案。

• SimLauncher: シミュレーション事前学習によるサンプル効率の高い実世界ロボット強化学習の起動
  sim2real2025/7/1

  デジタルツインシミュレーションで視覚運動ポリシーを事前学習し、その知識を実世界強化学習の価値ブートストラップと行動提案に活用することで、サンプル効率と成功率を大幅に向上させるフレームワークを提案。

• CHOrD: 制御可能な間取りと最適配置を備えた、衝突のない住宅規模の整理された3D屋内シーンデジタルツイン生成
  シーン生成2025/3/1

  2D画像を中間表現として用いることで衝突を防ぎつつ、複雑な間取りに沿った住宅規模の3D屋内シーンを生成するフレームワークCHOrDを提案し、新データセットとともに最先端性能を示した。

• ロボットに怒鳴って教える：言語訂正によるオンザフライ改善
  VLA2024/3/1

  人間がロボットに言語で訂正を与えることで、高レベル方策がリアルタイムに適応し、反復学習を通じて長期的タスクの成功率を向上させるフレームワークを提案。

• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning
  2024/1/1
• REBOOT: Reuse Data for Bootstrapping Efficient Real-World Dexterous Manipulation
  2023/9/1
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance
  2022/12/1