Ziyu Guo

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

• VBVR-Pro: ネイティブ視覚推論のためのスケーラブルで検証可能なスイート
  視覚推論2026/8/26

  視覚生成を推論の媒体として扱うネイティブ視覚推論の研究を進めるため、300の手続き生成タスクからなる閉ループテストベッドVBVR-Proを導入し、検証可能な報酬スコアラと制御されたモダリティ比較を提供する。

• サンドボックスで計画し、オープンワールドでナビゲート：物理に基づく抽象化経験学習による具現化ナビゲーション
  ナビゲーション2026/5/1

  物理法則に基づく抽象化環境で強化学習を行い、その経験を実世界のナビゲーションに転移するフレームワークSAGEを提案した。

• LaST-R1: 適応的物理潜在推論によるロボット操作の強化学習強化
  操作学習2026/4/1

  ロボット操作の基盤モデルに対し、潜在推論と行動生成を共同最適化する強化学習フレームワークを提案し、LIBEROベンチマークで99.9%の成功率を達成した。

• LaST₀：ロボット視覚言語行動モデルのための潜在時空間チェーン・オブ・ソート
  VLA2026/1/1

  言語ではなく潜在空間で未来の視覚・3D・固有感覚を推論する時空間Chain-of-Thoughtを導入し、低頻度推論と高頻度行動生成を分離した二重システムVLAフレームワークを提案。

• マルチモーダル言語モデルの身体性能力をスキル単位で評価・診断するベンチマークBEAR
  VLA2025/10/1

  身体性タスクを14の原子スキルに分解してMLLMを細粒度評価するベンチマークBEARを提案し、知覚と時空間モデリングがボトルネックであることを示すとともに、視覚・空間推論ツールを組み込んだBEAR-Agentで性能を改善した。

• HybridVLA：拡散と自己回帰を統合した視覚-言語-行動モデル
  VLA2025/3/1

  拡散モデルによる連続的な行動生成と自己回帰による文脈推論を単一の大規模言語モデル内で統合し、両者を協調的に学習・アンサンブルするロボット操作フレームワークを提案。

• PointCLIP: Point Cloud Understanding by CLIP
  2021/12/1