Bokai Lin

Shanghai Innovation Institute

収録論文 6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

• 視覚意味論と4D幾何を統合した世界行動モデルUniFlowWAM
  VLA2026/10/22

  3Dシーンフローを視覚・行動と対等な第三のモダリティとして扱い、拡散トランスフォーマーで統合した世界行動モデル。ポリシーや順/逆ダイナミクスなど多役割を単一モデルで実現し、シミュレーションと実機双腕操作で有効性を示した。

• 統一因果学習下で世界モデルと行動モデルは相互に利益をもたらすか？
  VLA2026/10/15

  行動を条件とした世界予測と政策学習を同一の映像・行動アーキテクチャで統合するOneWMを提案し、世界モデリングと行動生成が相互に性能を高め合うことを実機実験を含めて示した。

• ForceWAM: 接触を伴う操作のためのデモとプレイデータから未来予測と応答学習を分離する力世界行動モデル
  マニピュレーション2026/10/13

  成功デモから未来の映像と6軸力覚を予測する世界モデルと、デモとタスク非依存のプレイデータから行動を学ぶ逆動力学モデルを分離し、接触の多い操作を高成功率で実現した研究。

• Track4Action: 世界中心の3Dトラッカーを視覚言語行動ポリシーに蒸留する
  VLA2026/8/1

  行動ラベルにはロボットの動作指示しか含まれないが、デモ動画のフレーム遷移には3D世界の変化が含まれる。この遷移を凍結した3Dトラッカーから蒸留し、推論時にトラッカー不要のVLAポリシーを学習するフレームワークを提案。シミュレーションと実機で精度が向上した。

• ChronoFlow-Policy: 視覚運動ポリシー学習における過去・現在・未来の相互作用フローの統合
  VLA2026/6/1

  物体とグリッパーの3Dキーポイントを用いて過去・現在・未来の相互作用ダイナミクスを統一的に表現するChronoFlowを導入し、これを拡散ベースの視覚運動ポリシーと共学習させることで、長期的・非マルコフ的操作タスクでの性能を向上させた。

• LIDEA: 暗黙的特徴蒸留と明示的幾何学的整合による人間からロボットへの模倣学習
  模倣学習2026/4/1

  人間のデモ動画を利用してロボットの模倣学習を効率化するため、2D特徴蒸留と3D幾何学的整合を組み合わせたフレームワークLIDEAを提案した。