Jinkui Shi

収録論文 2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

• MMaDA-VLA：マルチモーダル指示と生成を統合した大規模拡散視覚-言語-行動モデル
  VLA2026/3/1

  離散拡散を用いて将来の目標観察と行動チャンクを同一トークン空間で同時にデノイズするVLAモデルを提案し、LIBEROで98.0%の成功率を達成した。

• ReMem-VLA: 二重レベル再帰クエリによる記憶を備えた視覚言語行動モデル
  VLA2026/3/1

  視覚言語行動モデルに、フレーム単位とチャンク単位の再帰クエリを導入し、短期・長期記憶を実現。過去の観測予測を補助タスクとして追加し、記憶依存タスクで既存モデルを大幅に上回る性能を達成した。