Cheng Deng

Xidian University

収録論文 6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

• 効率的なVLAを決めるもの：アクションヘッド設計・スケーリング・レイテンシの探求
  VLA2026/9/12

  VLAモデルにおいて、アクションヘッドの性能はデコーダ構造よりも言語バックボーンの最終層を初期化に使うことが最大の要因であり、アラインメント後はスケーリングが有効になることを実験的に示した研究。

• 賢く記憶する：ロボット記憶のための視覚履歴圧縮と双曲経験空間
  VLA/記憶2026/8/15

  長期的なロボットポリシーのために、視覚履歴を圧縮し、経験を双曲空間で階層的に保存・活用するプラグインモジュールを提案。pi0に適用し、LIBERO-Plusで成功率を向上させた。

• 関係バイアスによる意味的証拠の調整を用いたゼロショット物体ナビゲーション
  ナビゲーション2026/6/1

  未知環境での物体探索において、誤解を招く意味的手がかりを動的に調整する訓練不要のフレームワークSER-Navを提案し、ナビゲーション性能を向上させた。

• π-StepNFT: フローベースVLAのオンライン強化学習における広い空間には細かいステップが必要
  VLA/強化学習2026/3/1

  フローベースの視覚言語行動モデルに対する新しい強化学習フレームワークを提案し、尤度計算や価値ネットワークを不要にして、単一の順伝播でステップごとのガイダンスを提供する。

• オンデバイスLLMのためのハードウェア協調設計スケーリング則：ルーフライン・モデリングによるアプローチ
  VLA2026/2/10

  オンデバイスLLMのアーキテクチャ選択を高速化するため、訓練損失のスケーリング則と推論レイテンシのルーフラインモデルを組み合わせ、精度とレイテンシのパレートフロンティアを導出するハードウェア協調設計手法を提案した。

• DSCD-Nav: 物体ナビゲーションのための二立場協調討論
  ナビゲーション2026/1/1

  視覚言語モデルを用いた物体ナビゲーションにおいて、タスク理解と安全・情報バランスの二つの立場から協調的に討論させ、合意形成で行動を決定する手法を提案。不確実な選択には軽量な追加確認を行うことで、探索の冗長性を減らし成功率と経路効率を改善した。