Kaipeng Zhang

Alaya Lab

収録論文 7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

• WorldSculpt: 接地動画からの構成的3D世界生成
  3D再構成2026/9/4

  数百の物体が密集したシーンを、個々の物体メッシュの集合として構成的に3D再構成する手法を提案。単一物体の生成事前分布を多視点観測に適応させ、シーン全体の学習なしで複雑なシーンを生成できることを示した。

• ShadowDancer: ビデオとその影から統一力学表現を学習し、ビデオワールドモデルに任意のアクションを教える
  ビデオワールドモデル2026/7/30

  デモ動画のペア（シャドウペア）を用いて、見た目に依存しない統一的な力学表現を学習し、任意のアクションをフレームレベルで制御できるビデオワールドモデルを提案した。

• AlayaWorld: 長時間・プレイ可能なビデオワールド生成
  ビデオ生成2026/7/7

  ゲームワールドを自動生成するためのフルスタックのオープンソースフレームワークを提案し、リアルタイムでのインタラクションと多様なアクションを可能にする。

• PhysEditWorld: 物理編集可能なワールドモデル向け大規模データセット
  データセット2026/6/25

  ゲームワールドモデルの物理ダイナミクスを制御可能にするため、重力パラメータを明示的に付与した大規模マルチモーダルデータセットを構築した。

• ComAct: COMをアクションとして捉える新パラダイムによるプロフェッショナルソフトウェア操作の再定義
  ソフトウェア操作エージェント2026/6/11

  GUI操作やAPIに頼らず、WindowsのCOMを統一的な実行抽象として用い、プロフェッショナルソフトウェア操作を決定論的なプログラム合成として扱う新パラダイムを提案。産業用CAD操作のベンチマークComCADBenchを導入し、自己修正エージェントComActorが高い性能を示した。

• RoboScript: 実機とシミュレーションをまたぐ自由形式マニピュレーションのためのコード生成
  マニピュレーション2024/2/1

  ROS抽象化に基づく統一インターフェースで、コード生成による実機・シミュレーション両対応のロボットマニピュレーションパイプラインと自由記述タスクのベンチマークを提案。

• FarSee-Net: Real-Time Semantic Segmentation by Efficient Multi-scale Context Aggregation and Feature Space Super-resolution
  2020/3/1