Jiangyong Huang
BIGAI
収録論文 5本 ・ フィジカルAI/ロボット学習
VLA言語条件付き操作
※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
- MemVLN: 視覚言語ナビゲーションのためのストリーミングエピソード記憶VLA2026/10/26
圧縮した知覚特徴を時系列と相対姿勢付きで保持する有界な記憶バンクとクロスアテンションによる記憶トークン生成を提案し、長期的な視覚言語ナビゲーションの性能を向上させた研究。
- LARA: 視覚言語行動モデルのための潜在行動表現の整合VLA2026/6/1
本論文は、視覚言語行動モデルと潜在行動モデルを同時に最適化するプラグアンドプレイフレームワークを提案し、シミュレーションと実世界の操作タスクで性能を向上させた。
- 3Dシーンにおけるマルチモーダル状況推論VLA2024/9/1
3Dシーン内の状況理解のための大規模マルチモーダル質問応答データセットMSQAとナビゲーション評価ベンチマークMSNNを提案し、既存モデルの限界とマルチモーダル入力の重要性を示した。
- 3D世界における身体性を持つ汎用エージェントVLA2023/11/18
3D世界での知覚・推論・計画・行動を統合的に行うマルチモーダル汎用エージェントLEOを提案し、3D視覚言語アライメントと視覚言語行動指示チューニングの2段階で訓練して多様なタスクでの性能を示した。
- ARNOLD: 実環境3Dシーンにおける連続状態を考慮した言語接地型タスク学習ベンチマーク言語条件付き操作2023/4/1
物体の連続的な状態を扱う言語指示タスクのベンチマークARNOLDを提案し、既存の言語条件付き操作モデルが新しい目標状態やシーン・物体への汎化に苦戦することを示した。
