Chen Zhao
Renmin University of China
収録論文 18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
- Meituan-Robotics-0: デスクトップ操作のための視覚言語行動基盤モデルVLA2026/11/5
視覚言語データと多様なロボット軌道を組み合わせ、離散行動トークン事前学習・フローマッチング中間学習・実環境後学習の3段階で訓練したデスクトップ操作向けVLA基盤モデル。Rollbackによる効率的な人間修正学習と非同期行動チャンク統合、イベント駆動エージェントを導入し、実ロボットタスクで高い成功率を達成。
- 次チャンク予測で先読みする行動駆動型ロボットポリシー模倣学習2026/10/25
未来の観測を使わず、行動信号から次チャンクを予測する学習で暗黙の先読み能力を獲得するポリシーを提案し、精密組立タスクなどで精度向上を実現した。
- World Action Modelのクロスタスク汎化を制限するものは何かVLA2026/10/12
World Action Modelの未来予測を逆動力学モデルで検証し、失敗がグリッパーと相互作用幾何に集中することを突き止め、生成未来を行動に整合させるVITA損失を提案した。
- テスト時検証付きVLAポリシーのためのフローサポート重み付き提案VLA2026/10/10
VLAモデルのテスト時サンプリングで候補が冗長になる問題を「提案収縮」と名付け、訓練時にフローサポートで重み付けした追加軌道でポリシーを補正するADSを提案し、候補の多様性と検証性能を向上させた。
- RoboHarn-Evo: 階層的物理知識を進化させ自己改善するロボットマニピュレーションマニピュレーション2026/9/29
物理的な試行錯誤からタスク知識と行動知識を階層的に蓄積・修正し、基盤モデルを更新せずにロボット操作の成功率を高めるフレームワークを提案。
- 相互作用中心モデリングによる2本指グリッパ操作の統一的クロスドメイン表現の実現マニピュレーション2026/9/25
2本指グリッパの共通構造をパラメータ化した抽象化で捉え、VLMとSAMで相互作用 triplet を推定し、Flow-Matching Transformerで7自由度動作を生成することで、異なるロボット間や視点間でのゼロショットsim-to-real転移を可能にした模倣学習手法。
- RoboRecover: 実行逸脱下におけるロボット方策の回復力ベンチマークベンチマーク2026/9/24
実行中の逸脱状態から元のタスクを回復する能力を評価するベンチマークを提案し、初期状態の性能が回復性能を決めないことを示した。
- JEPA-WAM: 共同埋め込み世界モデリングによる視覚-言語-行動ポリシーの学習VLA/世界モデル2026/8/1
事前学習済みV-JEPA空間に基づく潜在世界モデルを構築し、遷移予測と行動生成を共有予測器で結合することで、効率的かつ高精度なロボット制御を実現した。
- JoyNexus: VLAモデルのためのサービス指向マルチテナント後訓練VLA2026/7/17
VLAモデルの後訓練を効率化するため、マルチテナント対応の統合サービスを提案。訓練・推論・環境サービスを分離し、APIで提供することで、リソース利用の効率化とコスト削減を実現。
- 密な身体化チェーン・オブ・ソート監視による視覚言語行動モデルの訓練VLA2026/6/1
ロボット間の転移を改善するため、視覚言語モデルに密な身体化チェーン・オブ・ソート(ECoT)監視を導入し、推論時にはECoT生成をスキップできるデュアルストリームアーキテクチャのVLAモデルZR-0を提案した。
- アクション草案と検証:視覚言語行動モデルのための自己検証フレームワークVLA2026/3/1
拡散アクション専門家が複数のアクション候補を生成し、VLMが一回のフォワードパスでスコアリングして最適なものを選択する自己検証フレームワークを提案。シミュレーションと実世界で成功率を向上させた。
- OpenGaussian: 3Dガウシアンを用いた点レベルのオープンボキャブラリ理解3D理解2024/6/1
3Dガウシアンスプラッティングを基盤に、3D点レベルでのオープンボキャブラリ理解を実現する手法を提案。インスタンス特徴の3D一貫性学習と2段階コードブック、3D-2D特徴連携により、従来の2Dピクセルレベルの手法を超える性能を示した。
- Gaussian-LIC: LiDAR・慣性・カメラ融合によるリアルタイム写実的SLAMSLAM2024/4/1
LiDAR・IMU・カメラを密に融合し、Gaussian Splattingを用いてリアルタイムに写実的な3Dマップを生成するSLAM手法を提案。LiDAR未観測領域は画像の三角測量点で補完し、天空や露出変化もモデル化する。
- DVMNet++: 未知物体に対する相対姿勢推定の再考姿勢推定2024/3/1
未知物体の相対姿勢を、正解バウンディングボックスや回転仮説に頼らず、画像特徴と言語理解による検出とボクセルマッチングで単一パスで推定する手法を提案。
- 単一参照視点からの汎化可能な相対物体姿勢推定のための3D認識仮説検証姿勢推定2023/10/1
物体の単一参照画像と異なる姿勢のクエリ画像から相対姿勢を推定するため、複数の姿勢仮説を生成し3D変換を適用して検証するフレームワークを提案。未見物体や大きな姿勢変化に頑健。
- LocPoseNet: 未知物体の姿勢推定のためのロバストな位置事前分布姿勢推定2022/11/1
テンプレートマッチングと新しい並進推定器を用いて、未知物体の位置事前分布をロバストに学習する手法を提案し、LINEMODとGenMOPで既存手法を大きく上回る性能を示した。
- 未見物体の3D姿勢推定のための局所類似度融合による検索ベース手法3D姿勢推定2022/3/1
単眼画像から学習時に見ていない物体の3D姿勢を推定するため、クエリ画像と合成参照画像のマルチスケール局所類似度を適応的に融合する検索ベース手法を提案し、未見物体への汎化性能を向上させた。
- 合意学習による段階的対応点選別対応点選択2021/1/1
局所から大域への合意スコア学習で信頼できる対応点を段階的に絞り込み、外れ値に頑健な対応点選択を実現した論文。
