Di Yang

Alibaba Group

収録論文 9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

• Genie Simベンチマーク：実機とシミュレーションの忠実度評価
  sim2real2026/11/11

  実機とシミュレーションを対にした22のロボットタスクで方針性能の相関0.97を示し、関節位置やトルクの物理応答一致も検証した評価研究。

• ABot-ER：エージェント型データ・モデル共進化による統合的身体推論
  VLA2026/10/13

  知覚・計画・実行を単一モデルで統合し、データ戦略とモデルを共進化させる自己進化エンジンとタスク条件付き適応学習により、12ベンチマークで最先端性能を達成した身体推論基盤モデル。

• 動的シーン向けのコンパクトな明示的4D表現
  4D表現/新規視点合成2026/10/1

  単眼動画をスパースな4Dシーン状態に符号化するフィードフォワード自己符号化器Sparc4Dを提案し、新規視点合成と操作ポリシー学習の両方に活用できることを示した。

• ABot-World-0: 単一デスクトップGPU上での無限インタラクティブワールドロールアウト
  ワールドモデル2026/7/21

  単一のデスクトップGPUでリアルタイムに長時間のインタラクティブなビデオ生成を実現するアクション条件付きワールドモデルを提案し、データ収集から推論最適化までを統合したシステムを構築した。

• ABot-AgentOS: 生涯マルチモーダルメモリを備えた汎用ロボットエージェントOS
  エージェントOS2026/7/1

  低レベル制御の上に推論・記憶・ツール使用・検証・クロス実体実行を提供する汎用ロボットエージェントOSを提案し、実行可能なベンチマークと永続的なマルチモーダルグラフメモリを導入した。

• T-MOR: 動作を考慮した骨格表現の学習による人間行動認識
  行動認識2026/6/19

  骨格系列から転移可能な行動表現を学ぶフレームワークT-MORを提案。ビデオと言語の教師信号で骨格表現を整列させ、軽量な骨格入力のみで高精度な行動認識を実現する。

• Genie Sim PanoRecon: 単一視点パノラマからの高速没入型シーン生成
  3D再構成/シミュレーション2026/4/1

  パノラマ画像からロボット操作シミュレーション用の高品質3Dシーンを数秒で再構成するガウススプラッティング手法を提案。深度情報を活用した融合戦略で視点間の幾何学的整合性を確保し、LLM駆動のシミュレーションプラットフォームGenie Simに統合した。

• ABot-N0：多様な身体性ナビゲーションのためのVLA基盤モデルに関する技術報告
  VLA2026/2/1

  5種類のナビゲーションタスクを統一的に扱うVLA基盤モデルABot-N0を提案し、大規模データセット構築と7ベンチマークでのSOTA達成、実環境での長期ミッションを可能にした。

• Genie Sim 3.0：ヒューマノイドロボット向け高忠実度統合シミュレーションプラットフォーム
  sim2real2026/1/1

  LLMで自然言語から高忠実度シーンを生成し、VLMによる自動評価を可能にするロボットマニピュレーション用シミュレーションプラットフォームを提案。1万時間超の合成データセットを公開し、ゼロショットのsim-to-real転移を実証した。