Tonghua Su

収録論文 5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

• CogPortrait: 階層的エージェント計画による肖像アニメーションの微細な眼部制御
  ビデオ生成2026/5/27

  高レベルなラベルから眼部の微細な動きを制御する肖像アニメーション生成フレームワークを提案。MLLMエージェントによるキーポイント計画とDiTベースのビデオ生成を組み合わせ、思考や眠気などの感情を超えた状態も表現可能。

• WorldMAP: 生成的世界モデルを用いた視覚言語ナビゲーション軌道予測のブートストラップ
  ナビゲーション2026/4/1

  生成的世界モデルが生成した未来映像から教師信号を作り、視覚言語入力から直接ナビゲーション軌道を予測する軽量モデルを訓練する教師-学生フレームワークを提案した。

• GaLa: ハイパーグラフ誘導型視覚言語モデルによる手続き計画
  VLA/計画2026/4/1

  画像中の物体間の暗黙的な空間関係や機能的意味をハイパーグラフで表現し、視覚言語モデルの推論に組み込むことで、複雑なシーンでの手続き計画の精度を向上させるフレームワークを提案した。

• 世界の連鎖：潜在運動における世界モデル思考
  VLA2026/3/1

  視覚言語行動モデルに、潜在運動表現を用いた世界モデルの時間的推論を統合し、効率的なロボット学習を実現する新しいパラダイムを提案した。

• HMVLA: 双曲空間マルチモーダル融合による視覚-言語-行動モデル
  VLA2026/2/1

  視覚・言語・行動モデルにおいて、画像と言語の階層構造を双曲空間に埋め込んで意味的整合を図り、MoE機構で効率化するフレームワークを提案した。