Xiaohan Mao

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

• StreamVLN：スローファスト文脈モデリングによるストリーミング視覚言語ナビゲーション
  VLA2025/7/1

  視覚と言語の入力からリアルタイムに行動を生成するVLN向けに、高速な対話文脈と低速更新の記憶文脈を組み合わせたストリーミングフレームワークを提案し、低遅延で最先端性能を達成した。

• MMScan: 階層的接地言語アノテーション付きマルチモーダル3Dシーンデータセット
  3Dシーン理解2024/6/1

  領域から物体レベルまでの階層的な言語アノテーションを備えた大規模マルチモーダル3Dシーンデータセットを構築し、3D視覚接地と質問応答のベンチマークを提供した。

• EmbodiedScan: A Holistic Multi-Modal 3D Perception Suite Towards Embodied AI
  2023/12/1