Hehe Fan

収録論文 4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

• SmartMage: 3Dシーン理解のための動的モダリティ編成
  3Dシーン理解2026/8/5

  3Dシーン理解において、クエリに応じて必要なモダリティを動的に選択するMLLMを提案し、固定のモダリティ組み合わせによるノイズや計算浪費を改善した。

• 一歩ずつ報酬を与えよう：連続環境における視覚言語ナビゲーションのためのステップ認識型対照アライメント
  VLA2026/3/1

  連続環境での視覚言語ナビゲーションにおいて、失敗軌跡から有効な接頭辞と逸脱点を特定するステップ単位の監査と、状況に応じたグループ構築により、密な報酬信号を抽出して学習を安定化させるSACAを提案し、最先端性能を達成した。

• GPT-4にヒューマノイドの身体を与える：既製VLMと物理世界を繋ぐ架け橋の構築
  VLA2025/11/1

  既製の視覚言語モデル（GPT-4など）をヒューマノイドエージェントの制御に活用する手法BiBoを提案。指示を低レベルコマンドに変換するコンパイラと拡散モデルによる動作実行器で、オープン環境での相互作用タスク成功率90.2%を達成。

• Text-Scene: 3Dシーン理解のためのシーン・トゥ・言語解析フレームワーク
  3Dシーン理解2025/9/1

  3Dシーンを物体属性や空間関係を含むテキスト記述へ自動変換するフレームワークを提案し、3Dタスク計画のベンチマークInPlan3Dも構築した。