Chunyuan Li
収録論文 2本 ・ フィジカルAI/ロボット学習
VLA視覚言語ナビゲーション
※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
- LLaVA-OneVision-2:次世代知覚知能に向けてVLA2026/5/25
動画を圧縮ビットストリームとして扱い、適応的な時間グループと空間的証拠の選択によりトークン予算を効率的に配分する新しい視覚言語モデルを提案。大規模なオープン監視データで学習し、動画理解や時間的・空間的接地、操作トレース推論などで高性能を達成。
- 事前学習による汎用視覚言語ナビゲーションエージェントの学習視覚言語ナビゲーション2020/2/1
視覚言語ナビゲーション(VLN)タスク向けに初の事前学習・微調整パラダイムを提案し、大量の画像・テキスト・行動の三つ組で自己教師あり学習を行うことで汎用的な表現を獲得し、複数タスクで最先端性能を達成した。
