Haolin Yang
Peking University
収録論文 4本 ・ フィジカルAI/ロボット学習
マルチモーダルエージェント操作プランニングVLAナビゲーション
※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
- 視覚をツール化:マルチモーダルエージェントコーディングのための視覚ハーネスマルチモーダルエージェント2026/11/13
MLLMを呼び出し可能な外部ツールとして扱うVision-as-a-Toolパラダイムを提案し、テキストのみのエージェントでも視覚推論をオフロードできる枠組みVHarnessを構築した論文。
- データ合成と統合プランニングによるマニュアル基盤の家電操作のスケーリング操作プランニング2026/8/16
家電のマニュアルから部品接地・長期プランニング・閉ループ回復データを自動生成するパイプラインMAGEと、それを用いた大規模データセットUseAppliance、およびエンドツーエンドモデルAppliancePlanを提案し、実ロボットで有効性を実証した。
- VTInstructor: 連続環境におけるナビゲーション指示生成のための視覚的軌跡プロンプティングVLA2026/8/15
連続環境でのRGB映像からナビゲーション指示を生成する初のフレームワークを提案し、軌跡の幾何学を視覚的プロンプトに変換して指示生成の精度を大幅に向上させた。
- NavSpace:ナビゲーションエージェントの空間知能指示追従ベンチマークナビゲーション2025/10/1
ナビゲーションエージェントの空間知能を評価する6カテゴリ・1228ペアのベンチマークNavSpaceを提案し、22モデルを評価するとともに、新モデルSNavを提案して実機でも優位性を示した。
