Jiajun Li
University of California San Diego
収録論文 6本 ・ フィジカルAI/ロボット学習
超数ロボット指VLA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
- EgoThumb:視覚駆動型の超数ロボット親指による自律把持・保持支援超数ロボット指2026/10/27
手のひら向きカメラの一人称視点画像から模倣学習で連続関節位置を推定し、前腕にアクチュエータを移した軽量な超数ロボット親指で把持・保持を自律支援するオープンソースシステム。
- WAM4D: 空間レジスタトークンによる高速4DワールドアクションモデルVLA2026/6/1
ロボットの行動予測と未来観測を同時に行うワールドアクションモデルにおいて、軽量な空間レジスタトークンを用いて事前学習済みの幾何学的特徴を因果的なビデオ・アクショントランスフォーマーに転送し、高コストな幾何学的デコードを避けつつ4D空間整合性を向上させる手法を提案した。
- Efficient-WAM: 低コストな未来想像を備えた10億パラメータの世界行動モデルVLA2026/6/1
未来の視覚予測を圧縮し、推論コストを大幅に削減した世界行動モデルを提案。実機で約100msの低遅延を実現しつつ、制御性能を維持する。
- Cosmos 3: 物理AIのための全モーダル世界モデルVLA2026/6/1
言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。
- TaF-VLA: 力に基づくマニピュレーションのための触覚-力アラインメントVLAモデルVLA2026/1/1
触覚入力を視覚的テクスチャではなく物理的な接触力に結びつけるTaF-Adapterを提案し、1000万件超の触覚-力同期データセットで学習してVLAモデルに統合した。
- 原子力救助支援のためのRGBDを用いたドア開けパラメータ抽出マニピュレーション2016/10/1
RGBDセンサとGUIでユーザが対象領域を指定し、ドア幅やハンドル長などのパラメータを安定して抽出する手法を提案し、実機実験で有効性を示した。
