Chaomin Shen
収録論文 12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
- WorldEval: 世界モデルを実世界ロボット方策の評価器として活用世界モデル2025/5/1
世界モデルを実世界ロボット方策の評価代理として用いるWorldEvalを提案し、Policy2Vecで行動追従動画を生成して方策ランキングや安全性検出を実現した。
- ChatVLA-2: 事前学習知識を活かしたオープンワールド身体推論を備える視覚-言語-行動モデルVLA2025/5/1
VLMの能力を保持しつつロボット行動に変換するMoE型VLAモデルを提案し、ホワイトボードの数式を読んでカードを選ぶ課題などで数学・OCR・空間推論能力を示した。
- ObjectVLA: 実演なしで実世界の物体操作を実現するエンドツーエンドVLAVLA2025/2/1
Vision-Language-Actionモデルを用い、新規物体に対する実演データなしでロボットの物体操作スキルを汎化させる手法を提案し、実機で100種類の未見物体に対し64%の成功率を達成した。
- ChatVLA：視覚・言語・行動モデルによるマルチモーダル理解とロボット制御の統合VLA2025/2/1
視覚言語行動モデルにおける「忘却」と「タスク干渉」を解決するため、段階的アライメント訓練とMixture-of-Expertsを組み合わせたChatVLAを提案し、マルチモーダル理解と実ロボット操作の両方で高性能を実現した。
- DexVLA: 汎用ロボット制御のためのプラグイン拡散エキスパートを備えた視覚言語モデルVLA2025/2/1
拡散ベースのアクションエキスパートをVLAモデルに組み込み、身体カリキュラム学習で効率的に訓練することで、多様なロボット身体での複雑な長期的タスクを実現した。
- Diffusion-VLA: 自己生成推論による汎用性と解釈性を備えたロボット基盤モデルVLA2024/12/1
自己回帰モデルと拡散モデルを組み合わせ、自己生成した推論を方策学習に注入することで、解釈性が高く汎用性のある視覚運動方策を実現したロボット基盤モデル。
- ロボット操作のための10億パラメータへの拡散方策のスケーリング模倣学習2024/9/1
拡散方策のスケーリング問題を解決するため、観測特徴の分解と非因果的注意を用いたスケーラブル拡散トランスフォーマー方策を提案し、10億パラメータまで拡張可能にした。
- TinyVLA: ロボットマニピュレーションのための高速・データ効率的な視覚言語行動モデルVLA2024/9/1
大規模事前学習不要で高速推論が可能なコンパクトな視覚言語行動モデルTinyVLAを提案し、シミュレーションと実機でOpenVLAを上回る速度とデータ効率を実現した。
- Visual Robotic Manipulation with Depth-Aware Pretraining2024/1/1
- Object-Centric Instruction Augmentation for Robotic Manipulation2024/1/1
- Language-Conditioned Robotic Manipulation with Fast and Slow Thinking2024/1/1
- CMG-Net: An End-to-End Contact-Based Multi-Finger Dexterous Grasping Network2023/3/1