Cunxin Fan

収録論文 4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

• Zero-WAM: 人間のビデオからの文脈内世界行動モデリングによるオープンエンドなタスク汎化
  VLA2026/8/26

  人間のビデオを文脈内の指示として用いることで、訓練時に見たことのない操作タスクをゼロショットで実行できるビデオ行動モデルを提案した。

• GuidedVLA: プラグアンドプレイの行動注意特化によるタスク関連因子の指定
  VLA2026/5/1

  VLAモデルの行動デコーダを機能部品として捉え、個々の注意ヘッドに明示的な補助信号でタスク関連因子（物体接地、空間幾何、時間的スキル論理）を学習させるフレームワークを提案し、シミュレーションと実機で汎化性能を向上させた。

• Interleave-VLA：画像とテキストの交互入力でロボット操作を強化
  VLA2025/5/1

  画像とテキストを交互に与える指示でロボットを学習させ、未知の物体への汎化性能を2倍に高め、手描きスケッチなどの柔軟な指示にも対応できるVLAモデルを提案。

• WOMD-Reasoning: 運転シーンにおけるインタラクション推論のための大規模データセット
  VLA2024/7/1

  実世界の運転シーンにおける交通ルールに基づくインタラクションを記述・推論する300万件のQ&Aデータセットを構築し、それを用いた運転動作言語モデルMotion-LLaVAを提案した。