●ICLR 2024在LLM代理商上的研讨会●值得信赖的多模式基础模型和AI代理(TIFA)ICML 2024●多模式基础模型相遇的AI ICML 2024●NeyUrips 2024 NeyUrips 2024 2024 Neurips oon Open-Worlips opecet the toe to priment to primst to primst wealeips weaurips 202222222224有关有用可靠的AI代理的研讨会●CMU代理讲习班2024●CORL 2024语言和机器人学习研讨会●CORL 2024 X-EMBROBOTIMENT机器人学习研讨会●伯克利语言课程berkeley on Berkeley on Berkeley on of Berkeley oon on Blogange Model Agents●Facct 2024 Facct 2024 Tuteorage and Prospect of Prospect of LM Agents:LM Adivs:facks of LM Agens:
2024年8月Anavi:使用室内室内视觉效果进行导航的音频噪声意识。Vidhi Jain,Rishi Veerapanini,Yonatan Bisk。在德国慕尼黑的机器人学习会议(CORL)会议上接受。纸|网站2024年3月FlexCap:在图像中生成丰富,本地化和灵活的字幕。Debidatta Dwibedi,Vidhi Jain,Jonathan Tompson,Andrew Zisserman,Yusuf Aytar。在加拿大温哥华的神经信息处理系统(Neurips)的会议上接受。纸|网站2024年1月VID2ROBOT:端到端的视频条件策略学习,跨注意变形金刚。Vidhi Jain , Maria Attarian, Nikhil J Joshi, Ayzaan Wahid, Danny Driess, Quan Vuong, Pannag R Sanketi, Pierre Sermanet, Stefan Welker, Christine Chan, Igor Gilitschenski, Yonatan Bisk, Debidatta Dwibedi, In Proceedings of Robotics: Science and Systems (RSS) 2024年,荷兰代尔夫特。纸|网站|视频2023年11月,如何提示您的机器人:用代码作为政策的操纵技巧的促进书。Montserrat Gonzalez Arenas, Ted Xiao, Sumeet Singh, Vidhi Jain , Allen Z. Ren, Quan Vuong, Jake Varley, Alexander Herzog, Isabel Leal, Sean Kirmani, Dorsa Sadigh, Vikas Sindhwani, Kanishka Rao, Jacky Liang, Andy Zeng.在国际机器人与自动化国际会议上(ICRA)2024年,日本横滨。2023年11月的纸张开放X-设备:机器人学习数据集和RT-X模型。开放X-授权协作。在国际机器人与自动化国际会议上(ICRA)2024年,日本横滨。(最佳纸)纸|网站2023年6月,巴掌:空间关注政策。Priyam Parasher,Vidhi Jain,Xiaohan Zhang,Jay Vakil,Sam Powers,Yonatan Bisk,Chris Paxton。在美国亚特兰大的机器人学习会议论文集(CORL)2023年,论文|网站2023年6月:荷马植物:开放式摄影库移动操作。Sriram Yenamandra, Arun Ramachandran, Karmesh Yadav, Austin S Wang, Mukul Khanna, Theophile Gervet, Tsung-Yen Yang, Vidhi Jain , Alexander Clegg, John M Turner, Zsolt Kira, Manolis Savva, Angel X Chang, Devendra Singh Chaplot, Dhruv Batra, Roozbeh Mottaghi,Yonatan Bisk,Chris Paxton。在美国亚特兰大的机器人学习会议论文集(CORL)2023年。纸|网站|竞赛 @ Neurips 2023 2022年12月,变压器是适应性的任务计划者。Vidhi Jain,Yixin Lin,Eric Undersander,Yonatan Bisk,Akshara Rai。在新西兰奥克兰2022年机器人学习会议论文集(CORL)。纸|网站|视频|代码
总结为博士学位。在机器人和AI中,我的专业知识在于混合现实,计算机视觉,抓握和操纵以及大型语言模型的交集,并非常重视增强人类机器人的互动。通过对IROS,ICRA和CORL等国际会议的贡献来证明我的跨学科方法。我正在将我的学术见解转化为实际应用,并寻求机会加入一个针对现实世界机器人和AI Challenges的团队。
ConferenceonRobotLearning(CoRL), IEEEConferenceonComputerVisionandPatternRecognition(CVPR), IEEEInternationalConferenceon Computer Vision (ICCV), Robotics: Science and Systems (RSS), IEEE International Conference on Robotics and Automation (ICRA), IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), International Conference on Field and Service Robotics (FSR),国际机器人研究研讨会(ISRR),欧洲移动机器人会议(ECMR),国际高级机器人会议(ICAR),germanconferenceOnpatternrecognition(GCPR),国际conferenceOnConferenceOnConferenceonConconteronEnintelligenteligenteligentRoboticsandApplications(ICIRA)
Conferences Robotics: Robotics: Science and Systems (RSS) G Conference on Robotics Learning (CORL) G International Conference on Robotics and Automation (ICRA) G International Conference on Intelligent Robots and Systems (IROS) Computer Vision: Computer Vision and Pattern Recognition (CVPR) G International Confer- ence on Computer Vision (ICCV) Machine Learning: Conference on Neural Information Processing Systems (NeurIPS) G Inter- national Conference on Machine Learning (ICML)G国际学习代表会议(ICLR)
[10] C. Agia,K。M. Jatavallabhula,M。Khodeir,O。Miksik,V。Vineet,M。Mukadam,L。Paull,L。Paull和F. Shkurti,“任务学:评估机器人任务计划在大型3D场景图上进行大型3D场景图的计划”机器学习研究会议记录,第1卷。164,PMLR,2022,pp。46–58。 [在线]。 可用:https://arxiv.org/abs/2207.05006。46–58。[在线]。可用:https://arxiv.org/abs/2207.05006。
头五年对于儿童的成长和成长是一个非常重要的时期。营养状况和贫血是影响儿童发育的因素。基于在PKM Long Ayan进行的一项初步研究,DDTK筛查(早期检测到生长和发育)在6至72个月的儿童中发现了323名儿童,发现年龄段36至59个月的发育率最高,共有44名儿童(13.6%)。知道36-59个月的儿童营养状况与贫血之间的关系,在Long Ayan亚地区健康中心的工作区域中有发育问题。使用横截面方法进行定量关联。样本的数量为40人,总采样。双变量分析具有Spearman等级的基于Spearman等级相关测试的结果,P值为0.011,其中该数字<0.05意味着HA被接受并拒绝HO,因此可以得出结论,可以得出结论,基于营养状态和儿童发育问题之间存在关系,并且基于该图5的spearman corl 0 0. Spearman corl 0 0. spearman corliation 2 correlation preal value valiation preal valiatiation preal value valiation 4这意味着HA被接受,因此可以得出结论,贫血状况与儿童发育问题之间存在关系。营养状况与贫血之间存在关系,与长期Ayan Pustu工作区的36-59个月儿童的发育问题之间存在关系。
口头演讲,关于学习有效抽象的计划在Corl 2024受邀演讲,伯克利人工智能研究实验室,UC Berkeley 2023邀请演讲,Stanford Vision and Learn Lab,Stanford Vision and Learn Lab,Stanford University 2022邀请,邀请Talk,Robograds学生会议,Georgia trive 202222222年2022年,密歇根大学2022年邀请演讲,进度实验室,邀请演讲,神经机器人学习研讨会2021年口头演讲,ICRA 2021口语演示的语义代表研讨会,AAAI 2020年2020年口头演示,ISRR 2019
1。”实践完美:计划学习技能参数策略”,银*,T.,Kumar*,N.,McClinton,W。,ET。al。RSS:机器人科学与系统会议(2024)。2。”学习效果的抽象计划模型,这些模型选择要预测的“ McClinton*,W。和Kumar*,N。等。在L4Tamp上的RSS研讨会上的最佳纸张。在Corl机器人学习会议上的完整论文(2023)3。”的谓词发明,用于二重性计划” Silver,T。等。AAAI人工智能会议(2023)4。“可通话表示”学习” Bhardwaj,S。和McClinton,W。等。[https://arxiv.org/abs/2302.11349](2023)专利:美国专利11048928和11989936。
CONFERENCE PROCEEDiNGS [C15] HOVER: Versatile Neural Whole‑Body Controller for Humanoid Robots.Tairan He*, WenliXiao*, ToruLin, ZhengyiLuo, ZhenjiaXu, ZhenyuJiang, JanKautz, ChangliuLiu, GuanyaShi, Xiaolong Wang, Linxi “Jim” Fan † , Yuke Zhu † ICRA , 2025 [Paper] [C14] OmniH2O: Universal and Dexterous Human‑to‑Humanoid Whole‑Body Teleoperation and Learning.Tairan He*, Zhengyi Luo*, Xialin He*, Wenli Xiao, Chong Zhang, Kris Kitani, Weinan Zhang, Changliu Liu, Guanya Shi.CoRL , 2024 [Paper] [C13] WoCoCo: Learning Whole‑Body Humanoid Control with Sequential Contacts.Chong Zhang*, Wenli Xiao*, Tairan He, Guanya Shi.CoRL ( Oral ), 2024 [Paper] [C12] Learning Human‑to‑Humanoid Real‑Time Whole‑Body Teleoperation.Tairan He*, Zhengyi Luo*, Wenli Xiao, Chong Zhang, Kris Kitani, Changliu Liu, Guanya Shi IROS , 2024 ( Oral ) [Paper] [C11] Progressive Adaptive Chance‑Constrained Safeguards for Reinforcement Learning.Zhaorun Chen, Binhao Chen, Tairan He, Liang Gong, Chengliang Liu.IROS , 2024 [Paper] [C10] Agile But Safe: Learning Collision‑Free High‑Speed Legged Locomotion.Tairan He*, Chong Zhang*, Wenli Xiao, Guanqi He, Changliu Liu, Guanya Shi.RSS , 2024 ( Outstanding Student Paper Award Finalist ‑ Top 3 ) [Paper] [C9] Safe Deep Policy Adaptation.Wenli Xiao*, Tairan He*, John Dolan, Guanya Shi.ICRA , 2024 [Paper] [C8] State‑wise Safe Reinforcement Learning: A Survey.Weiye Zhao, Tairan He, Rui Chen, Tianhao Wei, Changliu Liu.IJCAI (Survey Track) , 2023.[Paper] [C7] Probabilistic Safeguard for Reinforcement Learning Using Safety Index Guided Gaussian Process Models.