Dongming Wu
The Chinese University of Hong Kong
収録論文 8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
- CaPtain:コード・アズ・ポリシー型ロボットエージェントの事後学習パイプラインVLA2026/10/29
小型オープンVLMをコード生成型ロボット操作エージェントへと訓練するパイプラインを提案し、物理シミュレータの特権状態を用いたマルチターン強化学習で性能を大幅に向上させた。
- Omniを超えて:身体感覚理解のための統合マルチモーダル大規模言語モデルマルチモーダルLLM2026/10/19
視覚・音声以外の多様な身体感覚モダリティを扱える統合MLLMフレームワークUnisenseを提案し、8モダリティ100万サンプルの学習コーパスと12ベンチマークで有効性を示した論文。
- エージェント型ロボットに向けて:モデル・データ・環境・ハーネスの統合展望VLA2026/10/14
ロボット知能の新パラダイム「エージェント型ロボット」について、モデル・データ・環境・ハーネスの4領域にわたる既存研究を17カテゴリに整理し、統一的な展望を示したサーベイ論文。
- Vela: 適応的行動曲線パラメータ化による視覚-言語-行動モデルのスケーリングVLA2026/10/4
未来のロボット動作を連続軌道として表し、スプライン表現と動作依存の時間サポートを組み合わせることで、固定出力予算でも時間解像度を適応させる視覚-言語-行動基盤モデルVelaを提案。大規模マルチ身体データで事前学習し、シミュレーションと実世界の長期的タスクで有効性を示した。
- τ0-VLA: 世界モデル誘導のテスト時計算を備えた階層型ロボット基盤モデルVLA2026/8/17
長期的なロボット操作タスクを、高レベル方策がサブタスク生成時にテスト時計算を追加で行える階層型VLAモデルを提案し、実データで性能向上を実証した。
- AutoFly: 実環境でのUAV自律ナビゲーションのための視覚-言語-行動モデルVLA2026/2/1
RGB入力から擬似深度特徴を抽出するエンコーダと二段階学習を組み合わせ、粗い指示のみでUAVが自律的に経路計画と障害物回避を行うVLAモデルを提案し、自律行動に焦点を当てた新データセットも構築した。
- RAGNet:汎用把持に向けた大規模推論ベースのアフォーダンスセグメンテーションベンチマーク把持2025/7/1
人間の指示に基づく物体のアフォーダンスを大規模に学習・評価するためのベンチマークRAGNetと、それを用いた把持フレームワークAffordanceNetを提案し、実世界での汎化性能を示した。
- DrivingSphere: 閉ループシミュレーションのための高忠実度4D世界構築自動運転シミュレーション2024/11/1
4D占有表現で動的な運転環境を構築し、高忠実度の多視点映像を生成する閉ループ自動運転シミュレーションフレームワークを提案。
