Ting Cao
Tsinghua University
収録論文 9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
- 適応的中间状態による効率的なWorld Action Model推論VLA2026/9/28
World Action Modelの推論を、軌道リマッピング・観測リバインディング・残差リスケーリングで高速化する学習不要フレームワークを提案。
- Zeva-Ego: 一人称視点動画の中間学習と文脈内因果学習によるロボットマニピュレーションVLA2026/9/21
一人称視点の人間動画から行動中心の監督信号を作りVLAモデルを中間学習させ、さらに展開時に行動と結果のフィードバックからパラメータ更新なしで適応する枠組みを提案。
- Zeva: 文脈内因果学習による汎用身体操作の実現マニピュレーション2026/8/31
ロボットが実環境での物理的相互作用からその場で学習し、その知識を次の行動に活かすフレームワークZevaを提案。ポリシーモデルを凍結したまま、因果相互作用抽出器と二重タイムスケールの因果メモリを用いて、実行した行動と状態変化を符号化し、後の行動の文脈として注入する。シミュレーションと実機操作で最先端のVLAやWAMを上回る性能を示し、勾配更新なしで自己進化を実現。
- Zetta ζ: 自己進化する物理知能のための効率的な閉ループ具現化ハーネス具現化エージェント/自己進化2026/8/17
ロボットの実行中にコードベースの批評家と回復スキルをオンラインで進化させる閉ループハーネスを提案し、LIBERO-ProとRoboCasaで高い成功率と高速化を達成した。
- Embodied.cpp: 異種ロボット向け具現化AIモデルのポータブル推論ランタイムVLA/推論ランタイム2026/7/1
VLAモデルや世界行動モデルなどの具現化AIモデルを、異なるロボットやエッジデバイス上で効率的に実行するためのC++推論ランタイムを提案。モジュール化された5層構造により、多レート実行や低遅延推論を実現し、Pythonベースラインと比較して1.05〜2.70倍の高速化とVRAM削減を達成した。
- ActProbe: 生成ロボットポリシーの早期故障検出のためのアクション空間プローブ故障検出2026/6/1
生成ロボットポリシーの出力するアクション列自体に故障予兆が含まれることを利用し、軽量なアクション空間のみの検出器ActProbeを提案。故障を視覚的に認識される前に検出し、F1-即時性のトレードオフを改善する。
- MemCompiler: コンパイルする、注入しない -- 身体化エージェントのための状態条件付きメモリ身体化エージェント/メモリ管理2026/5/1
エージェントの現在の状態に応じて関連メモリのみを動的に選択・コンパイルするメモリシステムを提案し、静的メモリ注入を上回る性能と低遅延を実現した。
- OxyGen: マルチタスク並列下のVLA推論のための統合KVキャッシュ管理VLA2026/3/1
VLAモデルのマルチタスク並列推論において、KVキャッシュをタスク間・時間軸で共有する統合管理手法を提案し、オンデバイスで最大3.7倍の高速化を実現した。
- AdaNav: 不確実性に基づく適応的推論による視覚言語ナビゲーションVLA2025/9/1
視覚言語ナビゲーションにおいて、不確実性に応じて推論を動的に発動する軽量プラグインを提案し、少ない学習データで大幅な性能向上を実現した。