Xiaopeng Yu

収録論文 6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

• 「やる」前に「動く」を学ぶ：タスク非依存事前学習によるVLAモデルの効率化
  VLA2026/7/1

  VLAモデルのデータ不足問題を解決するため、言語ラベル不要の自己教師あり逆動力学で運動プリエントを事前学習し、少量の専門家データで言語接地する2段階フレームワークTAPを提案。SIMPLERベンチマークで100万軌道の教師あり学習と同等性能を達成し、実機でも頑健性が向上した。

• WCM: 視覚・言語・行動強化学習のためのワールドクリティックモデル
  VLA/強化学習2026/7/1

  ロボット操作のためのVLAモデルの強化学習後訓練において、観測履歴を扱うクリティックの表現が時間的ダイナミクスを捉えられない問題を解決するため、将来の潜在状態を予測しつつ価値を推定する軽量なWorld Critic Modelを提案した。

• HiMe: 長期的視覚言語行動制御のための階層的具現化メモリ
  VLA2026/7/1

  長期的なタスクで苦戦するVLAモデルに対し、実行・作業記憶・計画を分離した階層メモリフレームワークを提案し、成功率を向上させた。

• 粗から精密へ：視覚言語行動モデルのためのアクショントークン計画
  VLA2026/6/1

  VLAモデルに、将来の軌道を要約する粗いアクショントークンの計画を導入し、その計画に基づいて実行用のアクショントークンを生成する方式を提案。長期的なタスクでの性能が向上した。

• FASTer: ニューラル行動トークン化による効率的な自己回帰型視覚言語行動モデリング
  VLA2025/12/1

  行動チャンクを単一チャネル画像として符号化する学習可能なトークナイザと、ブロック単位の自己回帰復号化を組み合わせ、推論速度とタスク性能を両立させたVLAフレームワークを提案。

• VLABench: 長期的推論を伴う言語条件付きロボット操作のための大規模ベンチマーク
  VLA2024/12/1

  視覚言語行動モデル(VLA)向けに、世界知識や意図理解、多段階推論を要する100カテゴリ・2000以上の物体からなる言語条件付き操作タスクのベンチマークを構築した。