Jan-Nico Zaech

収録論文 16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

• 2D VLMを3Dプログラマに変えるタスク適応型グラウンディング
  VLA2026/10/1

  2Dの視覚言語モデルに座標系の統一とタスク適応フィードバックを組み合わせ、再学習なしで3D理解・操作・生成を可能にするフレームワーク3D-Progを提案。

• AR-VLA: 視覚言語行動モデルのための真の自己回帰型アクションエキスパート
  VLA2026/3/1

  観測ごとに時間的文脈をリセットする従来のVLAや拡散ポリシーと異なり、長期記憶で履歴を保持し連続的な因果系列として行動を生成する自己回帰型アクションエキスパートを提案。再アンカリング機構で非同期な視覚・言語・行動を同期させ、滑らかで文脈認識型の行動生成を実現した。

• マルチエージェントロボットシステム（MARS）チャレンジの進歩と革新
  マルチエージェント2026/1/1

  NeurIPS 2025ワークショップで開催されたMARSチャレンジを紹介し、VLMを用いたマルチエージェントの計画とロボットマニピュレーションの制御という2領域での取り組みを概説した論文。

• SPEAR-1: 3D理解によるロボット実演を超えるスケーリング
  VLA2025/11/1

  非ロボット画像に3D注釈を付与してVLMを強化し、3D認識と言語指示制御を統合したロボット基盤モデルSPEAR-1を提案。ロボット実演を20分の1に抑えつつ最先端性能を達成。

• 微分可能シミュレーションを用いた探索による自動運転の経路計画
  経路計画2025/11/1

  微分可能シミュレータWaymaxを次状態予測器と評価器として活用し、勾配降下と確率的探索を組み合わせて行動系列を最適化する経路計画手法DSSを提案した。

• 行動ラベルなしデータを活用した汎用ロボットマニピュレーション
  マニピュレーション2025/9/1

  人間やロボットの行動動画から3D点群の動きを自己教師あり学習し、少数のラベル付きデータで行動予測器に調整することで、ラベルなしでも新しいタスクを学習できる汎用マニピュレーション手法を提案。

• GaussianVLM: 言語対応ガウシアンスプラットによるシーン中心3D視覚言語モデル
  VLA2025/7/1

  3Dガウシアンスプラットに言語特徴を直接埋め込み、物体検出器に依存せずに3Dシーン理解と身体性推論を行う視覚言語モデルを提案した。

• スキャンから行動へ：実世界スキャンを活用した身体性シーン理解
  シーン理解2025/7/1

  実世界の3Dスキャンデータと注釈をUSDで統合し、LLMによるシーン編集とロボットシミュレーションでの政策学習に応用した研究。

• 自動運転車とロボット群のための小規模テストベッド：課題とロードマップ
  テストベッド2025/3/1

  自動運転車とロボット群の小規模テストベッドに関する課題を整理し、アクセシビリティ向上、ベストプラクティス共有、抽象化層による連携の3つのロードマップを提案した。

• 解析的世界モデルによる効率的な車両ダイナミクスモデリングの実現
  自動運転2025/2/1

  微分可能シミュレータを状態予測器と組み合わせることで、相対オドメトリ、最適プランナ、最適逆状態を学習する解析的世界モデル（AWM）を提案し、自動運転における意思決定を強化する。

• Articulate3D: 3Dシーンを汎用シーン記述として包括的に理解する
  3Dシーン理解2024/12/1

  関節物体の高品質アノテーションを備えた3D屋内シーンデータセットArticulate3Dと、部位分割と運動属性を同時予測する統一フレームワークUSDNetを提案した論文。

• ReVLA: ロボット基盤モデルの視覚的ドメイン制限を回復する
  VLA2024/9/1

  既存のロボット基盤モデルが視覚的なドメイン外シーンに弱い問題を分析し、モデルマージによる段階的バックボーン復元で視覚汎化性能を回復させる手法を提案した。

• Decoder Fusion RNN: Context and Interaction Aware Decoders for Trajectory Prediction
  2021/8/1
• Learnable Online Graph Representations for 3D Multi-Object Tracking
  2021/4/1
• Action Sequence Predictions of Vehicles in Urban Environments using Map and Social Context
  2020/4/1
• Semantic Understanding of Foggy Scenes with Purely Synthetic Data
  2019/10/1