Xianzheng Ma

収録論文 3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

• 3D大規模言語モデルは本当に3D空間関係を理解しているのか？
  3D視覚言語理解2026/3/1

  既存の3D-LLMがテキストの手がかりに頼っており、3D空間理解を正しく評価できていない問題を指摘し、より厳密なベンチマークReal-3DQAと3D視覚情報を活用する学習手法を提案した。

• ロボット視覚指示：手描きシンボルによるロボット操作の新パラダイム
  VLA2025/5/1

  手描きの矢印や丸などの2Dシンボルでロボットに3D操作を指示するRoVIを提案し、VLMで解釈して行動に変換するVIEWを実現した。

• LLMが3D世界へ：マルチモーダル大規模言語モデルによる3Dタスクのサーベイとメタ分析
  3D-LLM2024/5/1

  LLMを3D空間データに統合する3D-LLMの研究を、点群からNeRFまでの表現、シーン理解・対話・ナビゲーションなどのタスク、課題と将来展望まで体系的に整理したサーベイ。