Ganlin Yang

Shanghai AI Laboratory

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

• InternW0: 効率的な実世界インタラクションのための基盤的物理世界モデル
  世界モデル2026/9/23

  上海AI Labが、視覚予測とロボット制御を非対称なvideo-actionアーキテクチャで統合した物理世界モデルInternW0を提案。約7,200時間のデータで学習し、化学合成やピペッティングなどの実世界タスクで評価した。

• XPolicyLab: ロボットポリシー評価と展開のための統一標準・オープンエコシステム
  ロボットポリシー評価2026/8/1

  ロボットポリシーの評価と展開を統一する標準規格とオープンエコシステムを提案し、N個のポリシーとM個の環境の接続コストをO(NM)からO(N+M)に削減した。

• Cortex: 長期的操作のための双方向整合型具現化エージェントフレームワーク
  VLA/操作2026/7/1

  高レベルVLMと低レベルVLAの間の計画ギャップを埋めるため、32の標準スキルプリミティブと実行可能性原則を導入し、4k時間以上のビデオデータと30時間のシミュレーションデータを自動生成して、長期的操作タスクを改善するフレームワークを提案した。

• EventVLA: イベント駆動型視覚証拠メモリによる長期的視覚言語行動ポリシー
  VLA2026/6/18

  長期的なロボット操作タスクで、視覚情報が隠れたり見えなくなったりする問題に対処するため、重要な視覚イベントを予測して記憶する新しいフレームワークEventVLAを提案した。シミュレーションと実機タスクで既存手法より成功率が大幅に向上した。

• ACE-Brain-0: 空間知能を共通の足場とする普遍的身体性知能
  基盤モデル2026/3/1

  多様な身体（自動運転、ロボット、ドローン）を統合する基盤モデルを提案し、空間知能を共通の足場として、専門化と融合を経て高い性能を達成した。

• 視覚的身体脳：マルチモーダル大規模言語モデルに空間での知覚・思考・制御を
  VLA2025/6/1

  マルチモーダルLLMをロボット制御に統合するVeBrainを提案し、テキストベースの制御信号を実機の動作ポリシーに変換するアダプタと大規模指示データセットで脚ロボットやアームの適応的な操作を実現した。