Jiebo Luo

収録論文 6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

• EditStream: 対話型ビデオ生成と編集のための統一オートリグレッシブフレームワーク
  ビデオ生成/編集2026/8/16

  ビデオ生成と編集を単一のDiTベースモデルで統合し、高速な数ステップのオートリグレッシブモデルに変換するフレームワークを提案。テキストからビデオ、画像からビデオ、編集伝播など多様なタスクをサポートし、対話的なクリエイティブワークフローを実現する。

• 大規模基盤モデルにおける音声視覚知能
  マルチモーダル2026/5/5

  音声と視覚の統合的理解・生成・対話を大規模基盤モデルの観点から体系的に整理した初のサーベイ論文。

• Uni-LaViRA: 言語・視覚・ロボット行動の翻訳による統合具現化ナビゲーション
  ナビゲーション2026/5/1

  ナビゲーションの意思決定構造を言語と視覚の行動出力に分解し、事前学習済みMLLMを活用してゼロショットで4つのタスクと4種類のロボットに適用する統合エージェントアーキテクチャを提案した。

• ロボティクスにおける視覚言語行動モデルの敵対的脆弱性の探究
  VLA2024/11/1

  VLAモデルに対する敵対的パッチ攻撃を提案し、シミュレーションと実環境で最大100%のタスク成功率低下を引き起こすことを示した。

• SurgicalPart-SAM: Part-to-Whole Collaborative Prompting for Surgical Instrument Segmentation
  2023/12/1
• SurgicalSAM: Efficient Class Promptable Surgical Instrument Segmentation
  2023/8/1