Junyan Li
収録論文 8本 ・ フィジカルAI/ロボット学習
量子化/エッジVLM世界モデル生成モデルマニピュレーションVLA
※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
- UniCompress:マルチLoRAエキスパートをエッジ向け単一小型モデルへ統合量子化/エッジVLM2026/11/4
複数タスクのLoRA専門家を教師として、視覚言語モデル全体をINT2まで量子化しつつ多タスク性能を保つ単一のアダプタ不要モデルに圧縮する手法を提案した。
- DreamTrue: 反事後学習による行動忠実なロボット世界モデル世界モデル2026/10/8
多視点・異形態ロボット向けの世界モデルで、行動軌跡を画像空間条件に変換し幾何キャリブレーションで整合させ、反事実的事後学習と報酬モデルで物理的に妥当な動画予測を実現した。
- GS-Agent: 生成シミュレーションによる4D物理世界の構築生成モデル2026/7/1
自然言語の記述から、物理的に妥当で動的な4D世界を自動生成するマルチエージェントフレームワークを提案した論文。
- 視点が重要:マスク付きオートエンコーダによる視覚マニピュレーションのための動的視点最適化マニピュレーション2026/2/1
単一カメラロボットにおいて、事前学習済みマルチビューマスク付きオートエンコーダを活用し、ラベルなしで最も情報量の多い視点を動的に選択するフレームワークMAE-Selectを提案。
- FSAG: 拡散モデルによる人間から多指ハンドへの指先ごとのアフォーダンス接地の強化マニピュレーション2026/1/1
人間の動画から拡散モデルを用いて物体のアフォーダンスを抽出し、多指ハンドの把持生成に活用することで、ハードウェア固有のデータ収集なしに汎用性の高い把持を実現した。
- TesserAct: 4D身体化世界モデルの学習世界モデル2025/4/1
RGB-DN動画を生成するビデオモデルを微調整し、身体化エージェントの行動に応じた4Dシーン予測を可能にする世界モデルを提案。
- FoAM: 先読み拡張によるマルチタスク模倣方策マニピュレーション2024/9/1
多様なタスクを単一方策でこなす模倣学習において、行動の視覚的結果を予測する先読み拡張を導入し、未見タスクへの汎化と行動信頼性を高めた手法を提案。
- MultiPLY: 3D世界におけるマルチセンサリー物体中心の身体性大規模言語モデルVLA2024/1/1
視覚・音・触覚・温度などのマルチセンサリー情報を統合し、3D環境内で能動的に行動しながら物体と対話できる身体性大規模言語モデルを提案。
