Fei Zhang
収録論文 7本 ・ フィジカルAI/ロボット学習
VLAVLA/強化学習点群セグメンテーションマニピュレーション経路計画
※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
- Axiom-0: 視覚-言語-行動ポリシーのための階層的自己洗練VLA2026/10/9
VLAモデルにおいて、VLM内部表現と行動生成インターフェースを階層的に自己洗練させることで、未知のタスク構成での成功率を向上させた研究。
- 観測動画から直接行動方策を事前学習するNAVA-WAMVLA2026/10/2
行動ラベルなしの観測動画から未来映像の予測を手がかりに行動方策を直接事前学習し、少数の実演でロボット制御に適応させる手法を提案。
- 漸進的視覚計画による世界行動モデリングVLA2026/10/1
将来の視覚と行動を同時予測する世界行動モデルにおいて、疎な視覚サブゴール列を段階的に予測することで長期的タスクを効率的に計画・実行する手法ProWAMを提案。
- VLA-Precision: 非対称共同ブートストラップによる視覚言語行動モデルの効率的な実世界オンライン強化学習VLA/強化学習2026/9/3
実世界のオンライン強化学習を用いて、精密な操作タスクにおける視覚言語行動モデルの性能を向上させるフレームワークを提案した。
- LiDARの視点から:陸上点群セグメンテーションのための特徴量拡充と不確実性を考慮したアノテーションパイプライン点群セグメンテーション2025/10/1
3D点群を2D球面に投影し、特徴量拡充とアンサンブル学習で不確実性を推定しながら効率的にアノテーションする半自動パイプラインを提案。マングローブ林のTLSデータセットMangrove3Dを構築し、約12スキャンで性能が飽和することを示した。
- ReSemAct: 意味構造化とアフォーダンス精緻化による細粒度ロボットマニピュレーションの高度化マニピュレーション2025/7/1
MLLMと視覚基盤モデルを連携させ、自然言語とRGB画像から意味的アフォーダンス記述を構造化し、幾何と位置を別々に精緻化して細粒度の操作目標を生成する統合マニピュレーションフレームワークを提案。
- A*とRRTを活用した改良Double DQNによる複雑環境でのロボット経路計画経路計画2021/7/1
経験リプレイの初期化にRRT、報酬設計にA*の位置コストを導入し、複雑環境での経路計画を成功させる改良DDQNを提案した論文。
