Jiajun Li

収録論文 5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

• Cosmos 3: 物理AIのための全モーダル世界モデル
  VLA2026/6/1

  言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。

• WAM4D: 空間レジスタトークンによる高速4Dワールドアクションモデル
  VLA2026/6/1

  ロボットの行動予測と未来観測を同時に行うワールドアクションモデルにおいて、軽量な空間レジスタトークンを用いて事前学習済みの幾何学的特徴を因果的なビデオ・アクショントランスフォーマーに転送し、高コストな幾何学的デコードを避けつつ4D空間整合性を向上させる手法を提案した。

• Efficient-WAM: 低コストな未来想像を備えた10億パラメータの世界行動モデル
  VLA2026/6/1

  未来の視覚予測を圧縮し、推論コストを大幅に削減した世界行動モデルを提案。実機で約100msの低遅延を実現しつつ、制御性能を維持する。

• TaF-VLA: 力に基づくマニピュレーションのための触覚-力アラインメントVLAモデル
  VLA2026/1/1

  触覚入力を視覚的テクスチャではなく物理的な接触力に結びつけるTaF-Adapterを提案し、1000万件超の触覚-力同期データセットで学習してVLAモデルに統合した。

• RGBD-based Parameter Extraction for Door Opening Tasks with Human Assists in Nuclear Rescue
  2016/10/1