Guowen Zhang
The Hong Kong Polytechnic University
収録論文 6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
- Trace-WAM: 3D運動予測で行動を学習するワールドアクションモデルVLA2026/10/27
未来の3D運動予測を補助タスクとして映像・行動学習に組み込み、操作に重要な物体とロボットの動きを表現に反映させるTri-MoT構成のワールドアクションモデルを提案。分布外汎化とデモ不足時の性能向上を示した。
- OSWAM:1ステップで行動生成する実用的ワールドアクションモデルVLA2026/10/26
拡散過程の初期化に物理的・行動条件付きの「想像トークン」を用いることで、自動運転や身体制御において高品質な行動をわずか1ステップで生成できるワールドアクションモデルを提案した。
- LIBERO-Pro2.0:実世界環境の変化に対する具身基盤モデルのロバスト性評価ベンチマークベンチマーク/ロバスト性2026/10/17
ロボット操作ポリシーの頑健性を体系的に評価するため、6次元にわたる22種の静的摂動と20種の実行時介入を含む1,648のタスクインスタンスを構築し、17の代表的手法を評価したベンチマーク。
- BEVDilation:LiDAR中心のマルチモーダル融合による3D物体検出3D物体検出2025/12/1
LiDARを主軸に画像BEV特徴をガイダンスとして活用し、点群の疎性と意味的制約を補う3D物体検出手法を提案。nuScenesで高精度かつ深度ノイズに頑健。
- LIBERO-PRO:記憶を超えたVLAモデルの堅牢で公平な評価に向けてVLA2025/10/1
VLAモデル評価用ベンチマークLIBEROを拡張し、物体・初期状態・指示・環境を摂動させて評価したところ、標準評価で90%超の精度が汎化設定では0.0%に崩壊し、モデルがタスク理解ではなく訓練データの丸暗記に依存していることを明らかにした。
- Voxel Mamba: 点群3D物体検出のためのグループフリー状態空間モデル3D物体検出2024/6/1
3Dボクセルを単一の系列にシリアライズするグループフリーな状態空間モデルを提案し、階層構造と位置エンコーディングで空間的近接性を保ちつつ、3D物体検出の精度と計算効率を向上させた。
