Fangneng Zhan
Massachusetts Institute of Technology
収録論文 10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
- イベントカメラとRGBを融合した4D再構成4D再構成2026/10/27
RGBのみの4D再構成モデルMonst3Rにイベントカメラ入力枝を追加する最小拡張を行い、3つのベンチマークで精度が平均3.4%向上し、動きが大きいほど効果が大きいことを示した。
- LiveAct: 異種アクションインターフェースを備えたリアルタイムマルチエージェント世界モデル世界モデル2026/10/21
複数エージェントの制御を統合した映像世界モデルを提案し、言語記述と数値を組み合わせた異種アクションインターフェースでゲーム操作からロボット指令までをリアルタイムに扱えるようにした。
- 自己中心視点の観察から行動を分離する世界シミュレーション手法行動転送/世界シミュレーション2026/10/20
動画拡散モデルのノイズ除去過程を直接操作し、幾何推定器なしで自己中心視点の行動を新しい視覚文脈へ転送するEgoACTを提案。手と物体の構造保持と接触の現実性を両立させる。
- 遅い視覚と速い触覚をつなぐT-WLA触覚2026/10/20
視覚ポリシーの更新を待たずに触覚で未実行動作を補正するworld-language-actionアーキテクチャを提案し、手指動作予測と実機巧緻操作で有効性を示した。
- SteerAct: 少数試行の時間的ステアリングで行動モデルを解き放つVLA2026/10/19
事前学習済みロボット行動モデルの活性化を、少数の成功・失敗ロールアウトから選んだ特徴量の時間記述子に基づいてオンラインで調整し、重み更新なしでタスク成功率を約10%向上させるフレームワーク。
- RobotWorld:多様なタスクと身体性にわたるロボット利用のためのマルチモーダルエージェントベンチマークベンチマーク2026/10/7
汎用エージェントがロボットインターフェースを通じて物理タスクを実行できるかを評価する84タスクのシミュレーションベンチマークを提案し、能力の転移と失敗要因を分析した。
- GEM-4D: ロボット操作のための幾何学強化ビデオワールドモデルVLA2026/5/1
ビデオ生成モデルに4次元対応関係の教師信号を注入し、外観と幾何構造を同時に学習させることで、物理的に一貫した未来予測とロボット操作への直接適用を可能にした。
- 流れ同変ワールドモデル:部分観測動的環境のための記憶ワールドモデル2026/1/3
自己運動と物体運動に応じて潜在記憶を同変的に移動・変換することで、部分観測下でも長期的な動力学予測を安定かつ高精度に行うワールドモデルを提案した。
- AREA3D: フィードフォワード3D知覚と視覚言語誘導を統合した能動的再構成エージェント能動的3D再構成2025/12/1
フィードフォワード型3D再構成モデルと視覚言語モデルを組み合わせ、不確実性推定と意味的誘導に基づいて視点を自律選択する能動的3D再構成エージェントを提案。
- RoboTAG: トポロジカルアラインメントグラフによるエンドツーエンドのロボット姿勢推定姿勢推定2025/11/1
単眼RGB画像からロボットの姿勢を推定するため、2Dと3Dの表現を協調進化させるトポロジカルアラインメントグラフを提案し、ラベルデータへの依存を軽減した。
