Meng Cao

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

• WALL-SS: 次スケール自己回帰による長期的世界モデルのスケーリング
  世界モデル2026/8/26

  ロボットの視覚的未来予測をスケール単位の自己回帰で生成する世界モデルを提案し、行動制御可能で長期的なシミュレーションを実現した。

• A1: 完全透過型オープンソースの適応的かつ効率的なトランケート型視覚言語行動モデル
  VLA2026/4/1

  低コストで高スループットな推論を実現するため、事前学習済みVLMと適応的早期終了・層間トランケートフローマッチングを導入したVLAモデルA1を提案し、シミュレーションと実機でSOTA性能と推論コスト削減を達成した。

• ManipArena：推論指向の汎用ロボットマニピュレーションの実世界包括評価
  マニピュレーション2026/3/1

  実機ロボットでのマニピュレーション汎化を公平に評価するため、20タスク・1万超の専門家軌道・約188時間分のデータを備えた標準化ベンチマークを構築し、VLAやワールドアクションモデルなど7構成を比較した。

• GLaD: 視覚言語行動モデルのための幾何潜在蒸留
  VLA2025/12/1

  3D幾何情報を知識蒸留でVLAモデルに組み込み、深度センサーや3D注釈なしで空間推論と操作性能を向上させた手法。

• PhyBlock: 3Dブロック組み立てによる物理理解と計画の段階的ベンチマーク
  ベンチマーク/VLA2025/6/1

  視覚言語モデルの物理理解と計画能力を評価するため、4段階の認知階層を持つ3Dブロック組み立てタスクとVQAを組み合わせたベンチマークを提案し、21モデルを評価した。

• A0: 汎用ロボットマニピュレーションのためのアフォーダンス認識階層モデル
  マニピュレーション2025/4/1

  物体との接触点と接触後軌道を予測するアフォーダンス表現を用い、高レベルな空間理解と低レベル行動実行を階層的に分けた拡散モデルを提案。複数ロボットで汎用性と実世界性能を示した。