Haozhe Shan

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

• GeoMem-VLA：3Dシーン理解を時系列メモリに内在化する視覚言語行動モデル
  VLA2026/10/21

  凍結した幾何基盤モデルの監督で学習する幾何トークンを時系列メモリとして保持し、推論時に3D再構成なしで行動生成できるVLAフレームワークを提案した論文。

• VLA-Trace: 表現と行動のトレーシングによる視覚-言語-行動モデルの診断
  VLAモデル解析2026/5/28

  VLAモデルがマルチモーダル知識を身体制御に変換する過程を、表現ダイナミクスから因果帰属、行動発現まで段階的に診断するフレームワークを提案し、π0.5とOpenVLAの比較分析からモデル間の適応戦略や制御経路の違いを明らかにした。

• EPIC-Bench: 視覚言語モデルにおける細粒度な身体化視覚グラウンディングのための知覚中心ベンチマーク
  VLA/ベンチマーク2026/5/16

  身体化エージェントの視覚基盤として使われる視覚言語モデル（VLM）の、実際の環境での細かい視覚認識能力を評価するベンチマークEPIC-Benchを提案。6.6kの注釈付きデータで、対象位置特定・ナビゲーション・操作の3段階にわたる23タスクを設定し、89以上のVLMを評価した。