Fuxiao Liu

収録論文 3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

• 大規模視覚言語モデルの最新動向：アラインメント、ベンチマーク、評価、課題に関するサーベイ
  VLA2025/1/1

  2025年までの主要な視覚言語モデル（VLM）のモデル情報、アーキテクチャの変遷とアラインメント手法、ベンチマークと評価指標、幻覚や公平性などの課題を体系的にまとめたサーベイ論文。

• Eagle：複数の視覚エンコーダを組み合わせたマルチモーダルLLMの設計空間の探求
  VLA2024/8/1

  複数の視覚エンコーダを組み合わせる際の設計選択を体系的に比較し、視覚トークンを単純に連結する手法が有効であることを示した上で、Pre-Alignmentを導入したEagleモデルを提案した論文。

• LLM/VLM制御ロボティクスの脆弱性
  VLA2024/2/1

  LLMやVLMで制御されるロボットが入力のわずかな変化に弱く、タスク成功率が最大22.2%低下することを実験で示した研究。