Xiang Bai
収録論文 8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
- 統一軌道マッチング方策最適化：多様なT2I生成とVLA汎化VLA2026/9/28
拡散・フローポリシーの事後学習において、報酬最大化ではなく軌道分布マッチングを行う統一RLフレームワークUni-TMPOを提案し、T2I生成の多様性とVLAのタスク・シーン汎化を両立させた。
- 効果的かつ効率的な身体性探索のための能動的空间検査身体性探索2026/9/18
身体性探索において、空間的に明示的な検査に基づく知覚と移動を組み合わせたACEフレームワークを提案し、早期終了と過剰継続のトレードオフを緩和してナビゲーション成功率と探索効率を向上させた。
- TurboVLA: RTX 4090上で32Hz・1GB未満のVRAMで動作するリアルタイム視覚言語行動モデルVLA2026/7/1
従来のLLM中心のVLAアーキテクチャを、視覚と言語を独立にエンコードし軽量な双方向相互作用で直接行動にマッピングする方式に再設計し、計算コストとメモリ使用量を大幅に削減した。LIBEROで97.7%の成功率を達成し、大規模モデルに匹敵する性能を小規模で実現した。
- 生成モデルは空間を理解している：暗黙の3D事前知識を活用したシーン理解VLA2026/3/1
動画生成モデルが内部に持つ暗黙の3D構造・物理の事前知識を抽出し、マルチモーダル大規模言語モデルに組み込むことで、明示的な3D教師なしに空間推論や操作タスクの性能を高めるフレームワークVEGA-3Dを提案した。
- 動的環境における汎化可能なロボットマニピュレーションに向けてVLA2026/3/1
動的環境でのロボット操作のための大規模データセットDOMINOとベンチマークを構築し、動きを考慮したVLAモデルPUMAを提案した論文。
- MindDrive: オンライン強化学習による自動運転向け視覚言語行動モデルVLA2025/12/1
自動運転VLAの課題を解決するため、LLMに2種類のLoRAを組み合わせ、離散的な言語決定に対してオンライン強化学習を行うフレームワークを提案した。
- URDF-Anything: 3Dマルチモーダル言語モデルによる関節物体の構築sim2real2025/11/1
点群とテキストを入力とする3Dマルチモーダル大規模言語モデルで、関節物体の幾何分割と運動学パラメータをエンドツーエンドに予測し、ロボットシミュレーション用デジタルツインを自動生成する手法を提案。
- VIP: 視覚指示によるロボットマニピュレーションの事前学習マニピュレーション2024/10/1
テキスト指示の代わりに将来画像とスパース点フローを視覚指示として用いる事前学習手法VIPを提案し、多様なタスクでの性能を大幅に向上させた。