Guilin 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

• LocateAnything: 並列ボックスデコードによる高速・高品質な視覚言語グラウンディング
  VLA2026/5/1

  視覚言語モデルによる物体検出・グラウンディングを、ボックス座標を並列に一度でデコードする方式に変え、推論速度と精度を両立させた。

• GR00T N1: 汎用人型ロボットのためのオープン基盤モデル
  VLA2025/3/1

  視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。

• 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。