Yugo Ito

ロボット学習・具現化AI・シミュレーションを軸に、実験と実装を行っています。

操作、合成データ、世界表現を中心に、検証できる小規模な研究プロジェクトを組み立てています。

現在の研究

GYOZA

RoboCasa の reset/step と held-out 成功を実測してから RL に進む。

Code-as-World

提出済み v3 の結果を再確認してからモデル能力を主張する。

Synthetic Data in Robot Learning

知覚律速の再現をテストしてから、基準を相対的に決める。

研究の記録

GYOZA

卓上フード操作のロボット学習プロジェクト。操作・オーケストレーション・検証を扱う。

自分の役割
VLM×ACTの自律ロボットアーム群の設計・実験・検証を担当。sim-to-real と人間動画転移を中心に実施。
根拠
  • 実機SO-101で操作実験を実施（RTT中央値658ms）
  • RoboCasa 環境でMisoBowlToTrayのスモークテストを通過
  • GYOZA-Scaling でWeb動画擬似アクションのno-go判断を記録
次の判断
RoboCasa の reset/step と held-out 成功を実測してから RL に進む。

Code-as-World

環境を実行可能なシーン記述として扱う世界モデル方向。

自分の役割
条件付き世界モデルのゲート評価と、安全な決定論的評価器の設計を担当。
根拠
  • Stage 0A ホワイトボール世界コードベンチマークを実装
  • HF Jobs / Pi 連携で cwd 検証を実施
  • Linux EGL/OSMesa をレンダリング受容パスとして確定
次の判断
提出済み v3 の結果を再確認してからモデル能力を主張する。

Synthetic Data in Robot Learning

合成データが行動にいつ役立ち、いつ知覚が律速になるかを調べる実験。

自分の役割
合成データパイプラインの設計と、行動性能と知覚の切り分け実験を担当。
根拠
  • 合成データ学習では行動性能より知覚が律速になる観察を記録
  • 実験ログは Notes に公開予定
次の判断
知覚律速の再現をテストしてから、基準を相対的に決める。