Haoyu Guo
Shanghai Artificial Intelligence Laboratory
収録論文 8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
- RoboAtom:ロボット学習のための大規模原子行動アノテーションロボット学習データセット2026/10/29
複数データ源の軌跡に統一的な原子行動(サブタスク)アノテーションを付与した大規模データセットとベンチマークを構築し、スキル認識・境界定位・階層制御の性能向上を示した。
- フロンティアエージェントのEBenchによる性能評価:直接制御からポリシー併用ハーネスまでVLA2026/10/26
マルチモーダルLLMエージェントによるロボット制御をEBenchで評価し、直接制御と学習済みVLA/WAMポリシー併用の2構成を比較した報告。
- VLMプランナーからロボットエージェントへ:履歴依存マニピュレーションのための自己進化ハーネスVLA2026/10/21
VLMプランナーを編集可能なハーネスでロボットエージェント化し、実行経験から自己進化させて履歴依存の長期的マニピュレーションを改善するSERAを提案。RoboMMEで成功率51.38%を達成。
- フィジカルAI:概念・技術・課題の体系化フィジカルAI2026/10/19
フィジカルAIの定義と技術的枠組みを統一的に整理し、知覚から行動までの閉ループやsim2real、安全性などの課題を展望したモノグラフ。
- InternW0-Δ: 予測ダイナミクスと行動を橋渡しする20K時間超のオープンデータによるワールドアクションモデルVLA2026/9/25
視覚ダイナミクスと行動生成を統合したワールドアクションモデルを、20,000時間超の異種オープンデータで事前学習し、シミュレーションと実機で従来手法を上回る性能を達成した。
- InternW0: 効率的な実世界インタラクションのための基盤的物理世界モデル世界モデル2026/9/23
上海AI Labが、視覚予測とロボット制御を非対称なvideo-actionアーキテクチャで統合した物理世界モデルInternW0を提案。約7,200時間のデータで学習し、化学合成やピペッティングなどの実世界タスクで評価した。
- ワールドモデルの定義とロードマップワールドモデル2026/7/7
AIの各分野で使われる「ワールドモデル」の定義を明確化し、技術的側面と開発段階のロードマップを提案する視点論文。
- 視覚的行動プロンプトによる精密な行動から動画の生成動画生成2025/8/1
行動を視覚的な骨格プロンプトとして描画し、ドメインをまたいで複雑な高自由度インタラクションを精密に制御できる動画生成手法を提案。
