Chaoran Zhu
収録論文 5本 ・ フィジカルAI/ロボット学習
VLAマニピュレーション位置認識
※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
- 3D空間理解を蒸留・知識ルーティングでVLAに付与するSPARK-VLAVLA2026/11/7
推論時に外部3D入力や専門家を必要とせず、凍結した3D専門家からLoRA視覚枝へ空間表現を蒸留し、軽量ルータで行動に関連する視覚トークンを選択するVLAフレームワークを提案。
- 関係的空間アライメントによる視覚-言語-行動モデルの強化VLA2026/10/17
VLAモデルに3D空間認識を注入する際、点ごとの一致ではなくペア関係のアライメントを行うことで表現のランク崩壊を防ぎ、操作タスクの空間理解を向上させた研究。
- LaVA-Man: ロボットマニピュレーションのための視覚行動表現学習マニピュレーション2025/8/1
マスクされた目標画像を入力画像とテキスト指示から再構成する自己教師ありタスクで視覚とテキストの関連を学習し、少数の実演でマニピュレーションに適応する手法を提案。
- 言語条件付きロボットマニピュレーションの汎化性能向上マニピュレーション2025/8/1
物体配置タスクを対象物の特定と配置領域の決定の2段階に分け、インスタンスレベルの画像特徴とテキスト埋め込みを融合することで、少数のデモンストレーションから未知環境でも汎化できるフレームワークを提案した。
- CCTNet: 可動物体の遮蔽に対応するLiDAR位置認識のための円形畳み込みTransformerネットワーク位置認識2024/5/1
LiDARの位置認識において、円形畳み込みとTransformerを組み合わせて受容野を広げ、可動物体による遮蔽に頑健な軽量ネットワークを提案した。
