Kai Hu
収録論文 3本 ・ フィジカルAI/ロボット学習
VLAセキュリティ
※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
- Atomic-WAM:実行に基づく原子的動作推論によるワールドアクションモデルVLA2026/10/14
視覚言語推論器が次に行う局所動作を記述し、それをワールドアクションモデルが実行可能な行動に変換する枠組みを提案。実行成功率に基づく強化学習で推論器を調整し、実機→シミュレーション評価で有効性を示した。
- PhysBrain 1.5:視覚言語モデルから物理基盤モデルへVLA2026/9/14
人間のインタラクション動画から身体動作を学習し、行動生成と未来状態予測を統合した8Bの物理基盤モデルを構築、28の身体理解ベンチマークでオープンソース最高性能を達成した。
- パッチサイズを盗む:視覚言語モデルへの敵対的操作セキュリティ2026/6/30
ブラックボックス攻撃により、視覚言語モデルの隠れたパッチサイズや前処理設定を推測し、それを利用した敵対的攻撃を可能にする手法を提案した。
