Haoxiao Wang
Zhejiang University
収録論文 6本 ・ フィジカルAI/ロボット学習
VLA操作タスク推論マニピュレーション
※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
- FastHarness:経験に基づくVLAポリシーのレビュースケジューリングVLA2026/10/22
言語モデルによるロボットポリシーの監視を、経験の蓄積に応じて間引く仕組みを提案し、レビュー頻度と実行時間を削減しつつ成功率を向上させた。
- Evo-World: オプティカルフロー監督による未来運動予測を組み込んだ軽量Vision-Language-ActionモデルVLA2026/10/9
未来の画像ではなくオプティカルフローを予測させることで、見た目に依存しない運動中心の予測信号をVLAポリシー学習に組み込み、軽量ながらシミュレーションと実機で高い成功率を達成した研究。
- VLMはネイティブな行動モデルである:明示的行動空間グラウンディングによる操作能力の解放VLA2026/10/9
VLMの視覚・空間推論能力を、ツール中心点を基準にした行動フレームを手首カメラ画像に投影しテキスト生成として行動を表現することで、追加の行動モジュールやロボット行動事前学習なしに直接操作行動を生成できるようにしたフレームワークEASGを提案。
- MEMOBench: ロボット操作のためのプロセスレベルメモリベンチマーク操作2026/9/7
ロボット操作における記憶能力を評価するベンチマークMEMOBenchを提案し、記憶の保存・更新・圧縮をプロセスレベルで計測する。
- TaskGround: 全シーン家庭内推論のための構造化実行可能タスク推論タスク推論2026/5/1
家庭内エージェントが完全なシーンと状況依頼から実行可能なタスク構造を推論するための、訓練不要でモデル非依存のフレームワークを提案し、新評価スイートFullHomeで効果を実証した。
- RGBGrasp: ロボットアーム動作中の多視点撮影とNeRFによる画像ベース物体把持マニピュレーション2023/11/1
ロボットアーム移動中に撮影した少数のRGB視点とNeRFを用いて、透明・鏡面物体を含む3D構造を推定し把持を実現する手法を提案。
