Ziluo Ding

Beijing Innovation Center of Humanoid Robotics

収録論文 7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

• HAF: 階層的アクションフローとスペクトル潜在RLによる汎用VLAのヒューマノイド全身移動操作への適応
  ヒューマノイド/VLA/強化学習2026/8/17

  汎用VLA基盤モデルをヒューマノイドの全身移動操作に適応させるための2部構成フレームワークHAFを提案。階層的なアクション生成とオンラインRLによるポリシー改善を実現する。

• HEX: 人間型アライメント専門家によるクロスエンボディ全身操作
  全身操作/VLA2026/4/1

  全身協調操作を実現するため、人間型ロボットに特化した状態中心フレームワークHEXを提案。多様な身体構造に適用可能な状態表現と、全身協調と時間的運動ダイナミクスをモデル化する専門家混合機構を導入し、実機での操作成功率と汎化性能を向上させた。

• 事前学習と高速適応による汎用人型全身制御
  全身制御2026/2/1

  人型ロボットの全身制御を、事前学習したポリシーに軽量な残差ポリシーを高速適応させることで、未知の動作にも安定して追従できるフレームワークFASTを提案した。

• SENTINEL: ヒューマノイド全身制御のための完全エンドツーエンド言語行動モデル
  VLA2025/11/1

  言語指示と固有感覚入力から低レベル行動を直接生成するエンドツーエンドモデルを構築し、シミュレーションと実機でヒューマノイドの全身制御を実現した。

• 専門家から汎用家へ：ヒューマノイドロボットの汎用全身制御に向けて
  全身制御2025/6/1

  動作をクラスタリングして専門家ポリシーを訓練し、実機データでsim-to-real適応を行った後、単一の汎用コントローラに蒸留することで、ヒューマノイドロボットの多様な全身動作を実現するフレームワークBumbleBeeを提案。

• 物理フィードバックによる強化学習：大型モーションモデルをヒューマノイド制御に整合させる
  ヒューマノイド制御2025/6/1

  テキストから生成した人間の動きを物理シミュレータで評価し、強化学習で微調整することで、ヒューマノイドロボットで実行可能な動作を生成するフレームワークを提案。

• JAEGER: 二層構造のヒューマノイド全身制御器
  全身制御2025/5/1

  上半身と下半身を別々の制御器に分け、粗い速度追従と細かい関節角追従の両方を可能にしたヒューマノイド全身制御を、人間モーションの再ターゲティングとカリキュラム学習で訓練した研究。