Mingcai Zhou

収録論文 4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

• QDepth-VLA：量子化深度予測を補助監督とする視覚-言語-行動モデル
  VLA2025/10/1

  VLAモデルにVQ-VAEで量子化した深度マップの潜在トークンを予測する補助タスクを追加し、空間推論能力とマニピュレーション性能を向上させた。

• VGGT-DP: 視覚基盤モデルによる汎化可能なロボット制御
  模倣学習/視覚運動ポリシー2025/9/1

  3D知覚モデルVGGTを視覚エンコーダに用い、固有感覚フィードバックと組み合わせた視覚運動ポリシーを提案。トークン再利用とランダム枝刈りで推論を高速化し、MetaWorldタスクで高精度・長期的タスクの性能を向上させた。

• World4RL: 拡散世界モデルによるロボットマニピュレーションの強化学習ポリシー改善
  マニピュレーション2025/9/1

  拡散モデルベースの世界モデルを高忠実度シミュレータとして用い、実機やシミュレータを使わずに想像環境内でマニピュレーション方策を強化学習で直接改善するフレームワークを提案。

• 身体性マニピュレーションのための視覚-言語-行動モデルに関するサーベイ
  VLA2025/8/1

  身体性知能におけるロボット操作のための視覚-言語-行動（VLA）モデルについて、アーキテクチャの変遷やデータセット、学習手法、評価方法を5つの観点から整理し、課題と今後の方向性をまとめたサーベイ論文。