Jinghui Lu

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

• SpatioLM: 視覚言語モデルにおける汎用物理空間知能の実現
  VLA2026/8/3

  視覚言語モデルに追加の3D入力や外部エンコーダを使わず、パラメータ効率的なモジュールと擬似深度・カメラ情報の教師信号で空間推論能力を強化し、汎用性能の低下を抑えつつ空間知能を向上させた。

• UniviewVLA：世界モデリングを備えた統合マルチビュー視覚言語行動モデル
  VLA/操作2026/6/1

  標準的な2つのカメラ観測のみから、世界モデルを用いてマルチビューの未来シーンを生成し、遮蔽された情報を補完して行動予測を改善するVLAモデルを提案。推論高速化のためのトークン圧縮と、動的な視点選択手法も導入。

• 一緒に歩こう：人間中心の屋外支援のための長期的社会的ナビゲーション
  ナビゲーション2026/4/1

  高レベルの自然言語指示から屋外での長期的な社会的ナビゲーションを実現する、地図不要のフレームワークを提案。GPSと公開地図APIのPOIを用いて目的地を推定し、高レベルVLMと低レベルVLAを状況に応じて切り替えることで、安全で社会的に適切な移動を実現する。

• Xiaomi OneVL: ワンステップ潜在推論と視覚言語説明によるプランニング
  自動運転/VLA2026/4/1

  自動運転のVLAモデルにおいて、潜在推論を視覚世界モデルで強化し、明示的CoTを超える精度を実現しつつ、推論速度を回答のみの予測と同等に高速化したフレームワークを提案した。

• MiMo-Embodied: クロス身体性基盤モデル技術報告
  VLA2025/11/1

  自動運転と身体性AIを統合した初のクロス身体性基盤モデルを開発し、両分野で最先端性能を達成した。

• NanoVLA：軽量汎用ロボットポリシーのための視覚言語理解を分離したルーティング
  VLA2025/10/1

  視覚と言語の融合を後段に分離し、長短アクションチャンキングと動的ルーティングを組み合わせることで、エッジデバイス上で最大52倍高速かつ98%少ないパラメータで動作する軽量VLAモデルを提案した。