Junbo Niu
収録論文 3本 ・ フィジカルAI/ロボット学習
視覚グラウンディングVLA
※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
- GroundAnything: 並列デコーディングと高精度視覚グラウンディングをフラッシュ速度で両立視覚グラウンディング2026/9/30
拡散モデルによる並列デコーディングで視覚グラウンディングを高速化し、4Bモデルで同規模の最先端性能を達成した研究。
- 再計画ではなく修正:閉ループWorld-Actionモデルのための修正可能な視覚プランVLA2026/9/28
予測した視覚的未来を行動条件として保持し、実行フィードバック後に学習済みの修正ブリッジで中間状態から継続を適応させるRTPを提案。RoboMMEとRMBenchで高い成功率を示した。
- LLaVA-OneVision-2:次世代知覚知能に向けてVLA2026/5/25
動画を圧縮ビットストリームとして扱い、適応的な時間グループと空間的証拠の選択によりトークン予算を効率的に配分する新しい視覚言語モデルを提案。大規模なオープン監視データで学習し、動画理解や時間的・空間的接地、操作トレース推論などで高性能を達成。
