Yuxuan Zhang

China University of Mining and Technology-Beijing

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

• ManiLadder：カテゴリ別・多難易度タスクラダーによるロボットマニピュレーションのベンチマーク
  マニピュレーション2026/11/12

  112タスクを4難易度・8カテゴリに階層化した大規模シミュレーションベンチマークを構築し、同一条件の模倣学習ポリシーで難易度を校正して実機でも順序性を検証した論文。

• OpenSpace LabによるIROS 2026屋内探索コンペティションへのソリューション
  探索2026/10/1

  事前学習済み地図補完予測と残り時間ベースの探索戦略、および効用駆動型の目標選択により、単一・複数ロボットの屋内探索を効率化し、IROS 2026コンペで入賞した手法を報告する。

• OPIS: ビデオ世界モデルにおけるマルチオブジェクト記憶のための入力接地ベンチマーク
  ビデオ世界モデル2026/9/28

  ビデオ世界モデルが初期観測の物体をどれだけ記憶できるかを評価するベンチマークOPISを提案し、8モデルで物体の存在・同一性・構造を測定した。

• NVIDIA OmniDreams: 閉ループ自動運転シミュレーションのためのリアルタイム生成ワールドモデル
  自動運転シミュレーション2026/6/1

  自動運転の閉ループシミュレーション向けに、拡散モデルを基盤としたリアルタイム生成ワールドモデルOmniDreamsを提案し、運転行動に応じたセンサ映像を自己回帰的に生成することで、従来の再構成ベースのシミュレータでは困難な長尾シナリオを合成可能にした。

• VLA-OS：視覚言語行動モデルにおける計画表現とパラダイムの構造化と分析
  VLA2025/6/1

  VLAモデルの計画パラダイムと表現を統一的に比較するVLA-OSを提案し、視覚接地表現が言語表現より優れ、階層型VLAが性能・汎化・拡張性で優位だが速度が遅いことを示した。

• VL-Explore: モバイルロボットによるゼロショット視覚言語探索と目標発見
  VLA2025/2/1

  CLIPを用いて未知環境で地図や目標知識なしに探索と目標発見を同時に行うナビゲーションパイプラインを提案し、UGV「Open Rover」で実世界評価した。

• 物理AIのためのCosmos世界基盤モデルプラットフォーム
  世界モデル2025/1/1

  物理AI開発者向けに、カスタマイズ可能な世界モデルを構築するための基盤モデル・動画キュレーション・トークナイザを提供するオープンソースプラットフォーム。