Boren Zheng
Peking University
収録論文 2本 ・ フィジカルAI/ロボット学習
動画言語/ベンチマークVLA
※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
- PhysCapBench:物理的根拠に基づく動画キャプションのクロスドメインベンチマーク動画言語/ベンチマーク2026/11/12
三人称視点・一人称視点・グリッパー操作の3領域にまたがる物理キャプション品質を評価する初の統一ベンチマークを構築し、7つの物理次元で精度と網羅性を評価した。
- Goal-VLA: 画像生成VLMを物体中心の世界モデルとして活用するゼロショットロボットマニピュレーションVLA2025/6/1
画像生成型VLMを世界モデルとして使い、目標状態の画像を生成して物体姿勢を導出することで、追加学習なしに多様な操作タスクを実現するフレームワークを提案。
