Hanming Deng

収録論文 9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

• ピクセルから行動へ：ネイティブな視覚-言語-行動ポリシーに向けて
  VLA2026/11/4

  視覚エンコーダを排除し、画像パッチを言語と共にバックボーン内で進化させて行動生成に直接利用するNEO-VLAを提案。操作タスクでエンコーダベース手法より強く頑健な制御を実現した。

• ACE-Brain-0.6：身体性基盤モデルのための空間グラウンディングのスケーリング
  VLA2026/10/19

  ロボット操作記録と多様な視覚データを統合したデータパイプラインで約150万件の検証可能なグラウンディング教師信号を作り、Qwen3.5-9Bを微調整して空間知覚を強化したモデル。7つの公開ベンチマーク中4つでGPT-6 Astraを上回った。

• GPT-6-Astraは身体知能を獲得したのか
  VLA2026/10/15

  GPT-6-Astraを12のベンチマークで大規模評価し、操作・移動・器用な手などで高い性能を示す一方、実機展開ではICL用デモ収集コストや実行時間と成功率のトレードオフなどの課題を明らかにした報告。

• マルチモーダル基盤モデルによる空間知能のスケーリング
  VLA2025/11/1

  800万件の多様な空間データでマルチモーダル基盤モデルを訓練し、空間知能ベンチマークで大幅な性能向上を達成するとともに、データスケーリングや創発的汎化の兆候を分析した。

• マルチモーダルLLMの空間知能を包括的に評価するEASI
  空間知能評価2025/8/1

  GPT-5など最先端マルチモーダルモデルの空間理解・推論能力を、統一的なタスク分類に基づく8つのベンチマークで大規模に評価し、人間との差や限界を明らかにした。

• HCRMP：LLMヒント付き文脈強化学習による自動運転フレームワーク
  自動運転/強化学習/LLM2025/5/1

  LLMの幻覚に依存しすぎる従来手法を改善するため、LLMを意味的ヒント生成に限定しRLと相対的に独立させる新パラダイムを提案し、CARLAで検証した。

• M2DA: ドライバー注意を取り入れた自動運転向けマルチモーダル融合トランスフォーマ
  自動運転2024/3/1

  LiDARと視覚の融合モジュールとドライバー注意を組み合わせ、複雑な交通状況で危険な対象を人間のように捉える自動運転モデルを提案し、CARLAで最先端性能を達成した。

• シーンを占有格子として表現する
  自動運転/3D占有2023/6/1

  自動運転向けに、多視点カメラから3D占有格子を再構成するOccNetを提案し、検出・セグメンテーション・計画などのタスクで性能向上を示した。

• 鳥瞰図知覚の難所を探る：レビュー・評価・実践レシピ
  BEV知覚2022/9/1

  自動運転向けの鳥瞰図（BEV）知覚について、視点変換やアノテーション、マルチセンサ融合などの課題を整理し、産業界の設計例や性能向上の実践ガイドをまとめたサーベイ。