Yunze Man

収録論文 8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

• Vesta: 汎用身体化推論モデル
  VLA2026/6/1

  ロボットのための単一の基盤モデルで、位置推定・空間推論・ナビゲーション・長期計画を統合し、専門モデル群を上回る性能を示した。

• LocateAnything: 並列ボックスデコードによる高速・高品質な視覚言語グラウンディング
  VLA2026/5/1

  視覚言語モデルによる物体検出・グラウンディングを、ボックス座標を並列に一度でデコードする方式に変え、推論速度と精度を両立させた。

• 視覚環境構造の捉え方が制御性能と相関する
  表現学習2026/2/1

  事前学習済み視覚エンコーダが環境状態（幾何・物体構造・物理属性）をどれだけデコードできるかを測ることで、下流のロボット制御性能を予測できることを示した研究。

• Fast-ThinkAct: 言語化可能な潜在プランニングによる効率的な視覚-言語-行動推論
  VLA2026/1/1

  推論トレースを潜在的な思考連鎖に蒸留し、推論VLAの推論遅延を最大89.3%削減しつつ長期的プランニングや適応性能を維持する手法を提案。

• Lexicon3D: 複雑な3Dシーン理解のための視覚基盤モデルを探る
  3Dシーン理解2024/9/1

  画像・動画・3Dの視覚基盤モデル7種を4つの3Dシーン理解タスクで比較評価し、各モデルの強みと弱みを明らかにした研究。

• DualCross: Cross-Modality Cross-Domain Adaptation for Monocular BEV Perception
  2023/5/1
• Multi-Modality Task Cascade for 3D Object Detection
  2021/7/1
• Graph Neural Networks for 3D Multi-Object Tracking
  2020/8/1