Yinfeng Yu
収録論文 8本 ・ フィジカルAI/ロボット学習
マルチモーダルナビゲーションVLAナビゲーション音声視覚ナビゲーションマルチエージェント/音声視覚ナビゲーション
※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
- 動的音声視覚ナビゲーションのための二段階マルチモーダル学習：物理的整合からシーン集約へマルチモーダルナビゲーション2026/10/8
移動する音源を視覚と聴覚で追跡する動的音声視覚ナビゲーションにおいて、音強度と視覚形状を物理的に整合させる段階とTransformerでシーンを集約する段階からなる二段階学習法を提案し、未知音カテゴリへの汎化とナビゲーション効率を改善した。
- CTAN: 音視覚身体性ナビゲーションのための循環時間的注意ネットワークVLA2026/7/25
音と視覚の情報を双方向の循環一貫性制約で融合し、時間的記憶機構で履歴を活用する音視覚ナビゲーション手法を提案。
- 音声視覚ナビゲーションのためのハイブリッドMambaナビゲーション2026/7/14
従来のCNNやRNNに代わり、Mambaベースのエンコーダを用いて音声と視覚の動的マルチモーダル系列を効率的に表現し、ナビゲーション成功率を大幅に向上させた。
- HRO: 大規模言語モデルを用いたゼロショット物体ゴールナビゲーションのための階層的部屋から物体へのフレームワークナビゲーション2026/7/1
大規模言語モデルを階層的に活用し、部屋の意味理解から物体の位置特定へと粗密に探索を導くことで、ゼロショット物体ゴールナビゲーションの成功率と汎化性を向上させた。
- 音声視覚ナビゲーションのための残差クロスモーダル融合ネットワーク音声視覚ナビゲーション2026/1/1
音声と視覚の双方向残差融合により、異種モダリティ間の相補的な統合と微細な位置合わせを実現し、未知環境での音源探索性能とクロスドメイン汎化を向上させた研究。
- 3D環境におけるマルチエージェント協調による音声視覚ナビゲーションの高度化マルチエージェント/音声視覚ナビゲーション2025/9/1
2体のエージェントが通信と音声視覚融合を活用して3D空間で音源を協調探索するフレームワークMASTAVNを提案し、単一エージェントより速く高精度に到達できることを示した。
- DOPE: 視覚と言語によるナビゲーションのためのデュアル物体知覚強化ネットワークVLA2025/5/1
視覚と言語によるナビゲーション（VLN）において、指示文から重要なフレーズを抽出し、物体と行動の詳細を活用するテキスト物体知覚強化と、異なるモダリティ間の物体関係をモデル化する画像物体知覚強化を組み合わせたDOPEを提案。
- Sound Adversarial Audio-Visual Navigation2022/2/1