Gabriel Sarch
Princeton University
収録論文 3本 ・ フィジカルAI/ロボット学習
VLMベンチマークセグメンテーションVLA
※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
- AgentVQA:エージェント的視覚理解のための統合ベンチマークVLMベンチマーク2026/10/22
Web・ロボティクス・一人称動画・ゲーム・空間計画の5領域にわたり、実世界のエージェント的シナリオをオフラインで評価できる1000問のVQAベンチマークを構築し、22モデルを評価した。
- ODIN: 2Dと3Dセグメンテーションを統合する単一モデルセグメンテーション2024/1/1
トランスフォーマーで2D画像と3D点群を交互に融合し、両方をセグメンテーションする単一モデルを提案。ScanNet200などで最高性能を達成。
- 記憶拡張型大規模言語モデルによるオープンエンドな指示可能な身体性エージェントVLA2023/10/1
対話から得た言語と行動計画のペアを外部記憶に蓄積し、検索拡張型LLMプロンプティングで自由形式の指示を行動プログラムに変換する身体性エージェントHELPERを提案。TEAChベンチマークで新たな最先端を達成した。
