Xianda Guo
Wuhan University
収録論文 15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
- DreamWAM: RGBを超えた未来予測による世界行動モデルVLA2026/8/1
世界行動モデル（WAM）の未来予測をRGBだけでなく、外観・動き・幾何・意味の構造化表現で行うことで、ロバストな行動学習を実現した。
- TrustVLA：メカニズムに基づく推論時防御による視覚言語行動モデルのバックドア対策VLA/セキュリティ2026/7/1
視覚言語行動（VLA）モデルに対するバックドア攻撃を、内部メカニズムの分析に基づいて推論時に検出・防御する手法を提案した。
- GEM-Occ: 視覚幾何学的証拠から身体化された意味的占有記憶へ意味的占有マッピング2026/7/1
屋内エージェントのための階層的意味的占有マッピングを実現するため、新しいベンチマークHIOccと、局所的な視覚幾何学予測を一時的な証拠として扱い、永続的な階層記憶に融合するGEM-Occフレームワークを提案した。
- EA-Nav: 身体性を考慮した安全な視覚ナビゲーションポリシーの学習ナビゲーション2026/7/1
異なる身体性を持つエージェント間でのナビゲーション性能を向上させるため、模倣学習に基づく身体性認識フレームワークを提案し、身体形状を条件付けトークンとして導入して行動の曖昧性を低減し、軌道拡張で高リスクサンプルを生成して安全なナビゲーションを実現した。
- SkillNav: スコアレベルスキル介入によるゼロショット物体目標ナビゲーションナビゲーション2026/7/1
VLMベースのナビゲーションエージェントに、地図上の好奇心価値マップを書き換える形で行動記憶を埋め込むスキルフレームワークを提案し、追加トークンなしでデッドエンドやループなどの失敗を軽減する。
- ReactSim-Bench: 自動運転における反応的行動ワールドモデルシミュレーションのベンチマーク自動運転/シミュレーション2026/6/1
自動運転シミュレーションのための行動ワールドモデルの反応能力を評価する新しいベンチマークを提案し、エージェントと自動運転車の制御を分離して、ログと異なる自動運転車の行動に対する反応を評価する。
- MotionVLA: 幾何学的な動きを視覚言語行動モデルに注入するVLA2026/6/1
過去のフレームを記憶する代わりに、連続的な軌跡フィールドトークンとして動きを表現し、ロボットの長期的な操作タスクの性能と滑らかさを向上させる手法を提案した。
- ヒューマノイド全方位占有予測：身体化AIのためのステレオベース全周囲占有データセットデータセット/占有予測2026/6/1
ヒューマノイドロボット向けに、ステレオカメラを用いた大規模な全周囲占有データセットを構築し、Real2Sim2Realパイプラインで実環境への汎化を実証した。
- Bench2Drive-Robust：展開時の摂動下でのクローズドループ自動運転のベンチマーク自動運転2026/5/1
実環境展開で生じるシステムレベルの摂動（カメラストリーム障害、自己位置推定誤差、計算遅延）がクローズドループのエンドツーエンド自動運転性能に与える影響を評価する、初のデバイス中心のロバストネスベンチマークを提案した。
- R3DP: 実時間3D認識ポリシーによる身体的操作マニピュレーション2026/3/1
大規模3D視覚モデルの強力な事前知識を、非同期の高速・低速協調モジュールと軽量な時間特徴予測ネットワークで統合し、実時間性能を保ちながら操作ポリシーの成功率を向上させる手法を提案した。
- UniVTAC: 視触覚マニピュレーションのデータ生成・学習・評価を統合するシミュレーションプラットフォーム視触覚/マニピュレーション2026/2/1
3種類の視触覚センサに対応したシミュレーション基盤で接触データを大量生成し、視触覚エンコーダと8タスクのベンチマークを提供して、触覚駆動型マニピュレーションの学習と評価を可能にした。
- DiffVLA: 視覚言語モデルが導く拡散プランニングによる自動運転自動運転/VLA2025/5/1
視覚言語モデルを活用したハイブリッドなスパース・デンス拡散ポリシーを提案し、効率的で多様な運転行動と軌道生成の改善を実現した自動運転手法。
- WMNav: 視覚言語モデルを世界モデルに統合した物体目標ナビゲーションナビゲーション2025/3/1
視覚言語モデルを用いて世界モデルを構築し、将来状態を予測しながら未知環境で目標物体を探索するナビゲーション手法を提案。HM3DとMP3Dでゼロショットベースラインを上回る性能を達成。
- AdvDiffuser: 誘導拡散による敵対的危険運転シナリオの生成拡散モデル/敵対的シナリオ生成2024/10/1
拡散モデルと軽量ガイドモデルを組み合わせ、自然な周囲車両の挙動を保ちながら様々な自動運転システムに転用可能な危険シナリオを生成する手法を提案。
- LLMを人間のように運転するよう指示する自動運転計画2024/6/1
人間の運転ロジックと交通ルールを指示データとしてLLMを微調整し、解釈可能な推論モジュールで実世界の閉ループ運動計画ベンチマークnuPlanにおいて有効性を示した。