Haoyun Li

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

• SwiftVLA：軽量VLAモデルのための時空間ダイナミクスを最小オーバーヘッドで解き放つ
  VLA2025/12/1

  軽量な視覚言語モデルに4D特徴を融合トークンとマスク再構成で組み込み、推論時には4D入力を不要にして高速・省メモリで高性能なVLAモデルを実現した。

• GigaWorld-0：世界モデルをデータエンジンとして具現化AIを強化
  VLA2025/11/1

  視覚・言語・行動（VLA）学習のためのデータ生成エンジンとして、動画生成と3D生成を統合した世界モデルフレームワークを提案し、実世界データなしでロボットの汎化性能とタスク成功率を向上させた。

• GigaBrain-0: ワールドモデルを活用した視覚-言語-行動モデル
  VLA2025/10/1

  ワールドモデルで生成した多様なデータを活用し、実機データへの依存を抑えつつ汎化性能を高めたVLA基盤モデルを提案。RGBD入力と身体性Chain-of-Thoughtで長期的・移動を伴う器用な操作タスクの実世界性能を向上させた。

• MimicDreamer: 人間とロボットのデモンストレーションを統合しスケーラブルなVLA学習を実現
  VLA2025/9/1

  人間の操作動画をロボット視点・動作に変換する映像拡散モデルと視点安定化・動作整合技術を組み合わせ、実機ロボットでの少数ショット実行を可能にするVLA学習フレームワークを提案。