Jing Shao
収録論文 7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
- フローマッチングにおける条件付きアニーリングによる因果的行動トークン化の再考VLA2026/9/28
フローマッチングを段階的にアニーリングして因果構造を持つ行動トークンを抽出するCATokを提案し、VLAモデルの再構成精度・推論効率・タスク成功率を向上させた。
- PoseDiff: ロボット姿勢推定と動画から行動への制御を橋渡しする統合拡散モデルVLA2025/9/1
単一のRGB画像からロボットの3Dキーポイントや関節角度を推定し、さらに動画のキーフレームから長期行動列を生成する拡散モデルを提案。姿勢推定と逆動力学を一つの枠組みで統合した。
- IS-Bench:家庭内タスクにおけるVLM駆動型身体エージェントの対話型安全性評価VLA2025/6/1
家庭内タスクを行うVLM駆動型エージェントの対話型安全性を評価する初のマルチモーダルベンチマークIS-Benchを提案し、161のシナリオと388のリスクで危険回避行動の手順を検証した。
- SafeAgentBench:身体性LLMエージェントの安全なタスク計画のためのベンチマーク安全性評価2024/12/1
対話型シミュレーション環境で身体性LLMエージェントの安全性を評価する初のベンチマークを提案し、750タスクと評価環境を構築した。実験では既存エージェントの安全意識が低いことを示した。
- RH20T-P: 組み合わせ可能な汎化エージェントに向けたプリミティブレベルロボットデータセットマニピュレーション2024/3/1
ロボット操作のための約3.8万本の動画クリップからなるプリミティブレベルデータセットRH20T-Pを構築し、計画実行型の組み合わせ汎化エージェントのベースラインを実装した。
- BEVBert:言語誘導ナビゲーションのためのマルチモーダル地図事前学習VLA2022/12/1
視覚と言語によるナビゲーション(VLN)向けに、局所的な距離地図と大域的なトポロジカル地図を組み合わせたハイブリッド地図表現を事前学習する手法を提案し、4つのベンチマークで最高性能を達成した。
- RxR-Habitat視覚言語ナビゲーションコンペティション優勝手法VLA2022/6/1
連続環境での視覚言語ナビゲーション(VLN-CE)に対し、候補地点予測・履歴強化プランナー・試行制御器を組み合わせた階層的なplan-and-control手法を提案し、CVPR 2022のRxR-Habitatコンペで優勝した。
