Junghyun Kim
収録論文 9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
- DialogMem:3D環境における対話に基づく身体性記憶の評価身体性記憶/ベンチマーク2026/10/17
RGB-D観測と対話を時間同期させて記憶を構築し、物体ナビゲーションとQAで評価する2段階ベンチマークを提案。対話を視覚記憶に追加するとQAは向上するがナビゲーション改善は小さく、物体レベルでの対話の接地が課題だと示した。
- ドメイン不変潜在先読みによるVLAモデルの偽相関の解消VLA2026/9/29
視覚言語行動モデルが視覚分布シフトで脆くなる原因である偽相関を、ドメイン変換軌道から学んだドメイン不変の未来潜在表現で方策を監督することで軽減するDILLを提案し、LIBERO-Plusで平均成功率69.1%を達成した。
- 敵対的ディープフェイク生成と浄化ベース敵対的検出の調査ディープフェイク/敵対的攻撃/検出2026/7/28
ImageCLEF 2026のディープフェイク生成・検出タスクに参加し、FLUX.1-devとPuLIDによる顔合成と多モデルPGD攻撃で生成スコア0.4170を達成。検出ではSigLIP+DINOv2とGenD-DINOv3のアンサンブルで精度99.4%を達成しつつ、浄化ベースの敵対的検出も独自に調査した。
- PHASOR: ヒューマノイド身体のための位相固定型汎用行動表現行動表現/ヒューマノイド2026/6/1
行動埋め込み空間を第一級の設計対象とし、動作の周期性を位相多様体と姿勢分岐に分解して、複数のヒューマノイドロボットに共有可能な解釈可能で身体非依存の行動表現を構築した。
- CLIP-RT: 自然言語監督から言語条件付きロボット方策を学習VLA2024/11/1
非専門家が自然言語でロボットのデモを収集できる枠組みと、そのデータから言語条件付き視覚運動方策を学習するVLAモデルCLIP-RTを提案し、OpenVLAより7倍小さいパラメータで成功率を24%上回った。
- ソクラテス式プランナー:自己質問応答によるゼロショット身体性指示追従プランニングVLA2024/4/1
大規模言語モデルに自己質問応答させてサブゴール列を生成し、視覚フィードバックで再計画するゼロショットの身体性指示追従プランナーを提案。ALFREDベンチマークで最先端を上回り、実機ロボットでも検証した。
- 単一の人間-ロボットインタラクションによる把持エージェントの個人化マニピュレーション2023/10/1
ユーザーが一度だけ個人の持ち物を提示するだけで、その物体を認識・把持できるようにする手法PGAを提案。未ラベルの環境画像を活用し、擬似ラベル伝播で物体認識モデルを適応させる。
- PROGrasp: 意図推定に基づく対話型物体把持マニピュレーション2023/9/1
「喉が渇いた」のような意図発話から対話を通じて対象物体を特定し把持する新タスクPragmatic-IOGとデータセットIM-Dialを提案し、視覚接地・質問生成・把持・回答解釈を統合したロボットシステムPROGraspを構築した。
- GVCCI: 言語誘導ロボット操作のための視覚的グラウンディングの生涯学習VLA2023/7/1
物体検出から合成指示文を自動生成し、人手アノテーションなしで視覚的グラウンディングモデルを継続的に学習させる生涯学習フレームワークを提案。多様な環境で最大56.7%の精度向上と29.4%の操作性能改善を達成した。
