Zherui Qiu

収録論文 4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

• InternVLA-A1.5: 理解・潜在予測・行動の統合による構成的汎化
  VLA2026/7/1

  ロボット操作のための統一モデルで、事前学習済みVLMの意味理解とビデオ生成モデルの動的予測を活用し、将来予測を潜在コードのクエリ問題として再構成することで、実時間制御を維持しつつ構成的汎化を実現した。

• InternVLA-A1：ロボットマニピュレーションのための理解・生成・行動の統合
  VLA2026/1/1

  シーン理解・視覚的予測・行動実行の3つの専門家をMixture-of-Transformersで統合したVLAモデルを提案し、実世界12タスクで既存手法を上回る性能を達成した。

• InternData-A1：汎用ポリシー事前学習のための高忠実度合成データ
  VLA2025/11/1

  大規模シミュレーションで生成した63万軌道超の合成データセットInternData-A1を構築し、合成データのみでVLAモデルを事前学習しても実データと同等の性能が得られることを示した。

• F1: 理解と生成を行動に橋渡しする視覚-言語-行動モデル
  VLA2025/9/1

  将来の視覚状態を予測する「視覚的先見」を意思決定に組み込み、それを目標として逆動力学で行動を生成するVLAフレームワークF1を提案し、実世界タスクとシミュレーションで成功率と汎化性能を大幅に向上させた。