Xinyang Tong

収録論文 7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

• HiF-VLA: 運動表現による視覚-言語-行動モデルのための後知恵・洞察・先見
  VLA2025/12/1

  ロボット操作のためのVLAモデルに、過去・現在・未来の運動情報を統合する世界モデルを組み込み、長期的なタスクの一貫性を向上させた研究。

• VLA-Adapter：小型Vision-Language-Actionモデルのための効果的なパラダイム
  VLA2025/9/1

  大規模VLMへの依存を減らし、0.5Bパラメータのバックボーンと軽量なPolicyモジュールでロボットデータの事前学習なしに高性能なVLAモデルを実現した研究。

• Long-VLA：ロボットマニピュレーションのための長期的タスクに挑む視覚言語行動モデル
  VLA2025/8/1

  長期的なロボット操作タスクに特化した初のエンドツーエンドVLAモデルを提案し、フェーズ認識入力マスキングでサブタスクの連携を改善、新ベンチマークL-CALVINで評価した。

• OpenHelix: ロボットマニピュレーションのためのデュアルシステムVLAモデルの短いサーベイ、実証分析、オープンソース化
  VLA2025/5/1

  既存のデュアルシステムVLAアーキテクチャを整理・比較し、設計要素を実証評価した上で、低コストなオープンソースモデルを提供するプロジェクト。

• MoRE: 四足歩行ロボットの視覚-言語-行動モデルにおける強化学習のスケーラビリティを解き放つ
  VLA2025/3/1

  四足歩行ロボット向けに、複数の低ランク適応モジュールを専門家として組み込んだスパース活性化の混合エキスパート型VLAモデルを提案し、強化学習で混合品質データから効率的に学習することで多様なタスク性能と汎化性を実現した。

• Humanoid-VLA：視覚統合による汎用人型ロボット制御
  VLA2025/2/1

  言語・自己視点映像・運動制御を統合し、大規模未ラベル動画を自己教師ありで活用することで、物体操作や環境探索をこなす汎用人型ロボット制御フレームワークを提案した。

• QUART-Online: 四足歩行ロボット学習のための遅延フリー大規模マルチモーダル言語モデル
  VLA2024/12/1

  四足歩行ロボットの視覚-言語-行動タスクにおいて、推論遅延を解消するために行動チャンク離散化を導入し、言語基盤モデルの性能を落とさずにリアルタイム推論を実現した研究。