Yichu Yang

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

• Cosmos 3: 物理AIのための全モーダル世界モデル
  VLA2026/6/1

  言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。

• シミュレーションと同じ操作を実現：ロボットにおける正確な幾何認識の実現
  sim2real2025/9/1

  深度カメラのノイズを除去して正確なメートル深度を推定するCamera Depth Models（CDMs）を提案し、シミュレーションで訓練した方策を実世界ロボットにそのまま適用可能にした。

• GR-3 汎用ロボットポリシー構築に向けた大規模VLAモデル
  VLA2025/7/1

  ウェブ規模の視覚言語データとVR収集の人間軌道データ、ロボット軌道データを組み合わせて訓練した大規模VLAモデルGR-3を開発し、両腕移動ロボットByteMiniと統合して新規物体・環境・長期タスクへの汎化性能を示した。

• 人間支援によるロボット政策の行動選好最適化
  VLA2025/6/1

  人間とのインタラクションから得た選好信号を用いてVLAモデルを事後的に改善するAPOを提案し、失敗からの学習を可能にした。

• 俊敏な脚式移動のための状態推定トランスフォーマ
  歩行2024/10/1

  四足ロボットの跳躍などの動的動作に向け、過去の状態から高さや速度などの特権状態を予測するTransformerベースの状態推定器SETを提案した。

• GR-2: ウェブ規模の知識を持つ生成型ビデオ・言語・行動モデルによるロボットマニピュレーション
  VLA2024/10/1

  3800万本のインターネット動画で事前学習した大規模モデルをロボット軌道で微調整し、100以上のタスクで平均97.7%の成功率と未知環境への高い汎化性能を実現した。