Kaichen Zhou
Massachusetts Institute of Technology
収録論文 15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
- イベントカメラとRGBを融合した4D再構成4D再構成2026/10/27
RGBのみの4D再構成モデルMonst3Rにイベントカメラ入力枝を追加する最小拡張を行い、3つのベンチマークで精度が平均3.4%向上し、動きが大きいほど効果が大きいことを示した。
- 遅い視覚と速い触覚をつなぐT-WLA触覚2026/10/20
視覚ポリシーの更新を待たずに触覚で未実行動作を補正するworld-language-actionアーキテクチャを提案し、手指動作予測と実機巧緻操作で有効性を示した。
- 自己中心視点の観察から行動を分離する世界シミュレーション手法行動転送/世界シミュレーション2026/10/20
動画拡散モデルのノイズ除去過程を直接操作し、幾何推定器なしで自己中心視点の行動を新しい視覚文脈へ転送するEgoACTを提案。手と物体の構造保持と接触の現実性を両立させる。
- Embodied Playground:物理・戦略・空間推論を評価する長期的エージェント型ロボティクスベンチマークベンチマーク2026/10/19
基盤モデルエージェントが長期タスクで物理・戦略・空間推論を一貫して行えるかを評価する410環境のベンチマークを提案し、代表100タスクや難易度分割を含む統一評価プロトコルを整備した。
- SteerAct: 少数試行の時間的ステアリングで行動モデルを解き放つVLA2026/10/19
事前学習済みロボット行動モデルの活性化を、少数の成功・失敗ロールアウトから選んだ特徴量の時間記述子に基づいてオンラインで調整し、重み更新なしでタスク成功率を約10%向上させるフレームワーク。
- Argos: 幾何学的基盤モデルの事前知識を活用した汎用オンラインシーン変化検出シーン変化検出2026/10/7
幾何学的基盤モデルの特徴を適応させ、シーン変化検出と3D再構成を同時に行う手法を提案し、大規模ベンチマークとリアルタイムSLAMシステムを構築して既存手法を大幅に上回る性能を達成した。
- GEM-4D: ロボット操作のための幾何学強化ビデオワールドモデルVLA2026/5/1
ビデオ生成モデルに4次元対応関係の教師信号を注入し、外観と幾何構造を同時に学習させることで、物理的に一貫した未来予測とロボット操作への直接適用を可能にした。
- OpenTouch: 実世界インタラクションに全手触覚をもたらす触覚2025/12/1
一人称視点の動画と全手の触覚・姿勢を同期した初の実世界データセットを構築し、触覚が把持理解やクロスモーダル alignment に有効であることを示した。
- MLA: ロボットマニピュレーションにおけるマルチモーダル理解と予測のためのマルチセンサリー言語行動モデルVLA2025/9/1
2D画像・3D点群・触覚を位置対応で統合し、将来のマルチセンサリー情報を予測する言語行動モデルを提案。接触の多い実世界タスクで従来の2D/3D VLAを大きく上回る。
- SR3D: 単視点3D再構成で透明・鏡面物体の把持を実現マニピュレーション2025/5/1
単視点のRGB-D画像から外部の視覚モデルで物体メッシュを再構成し、視点・キーポイントマッチングで元のシーンに位置合わせすることで、透明・鏡面物体の把持を可能にする学習不要のフレームワークを提案。
- TARGO: 遮蔽環境下でのターゲット駆動型物体把持のベンチマークマニピュレーション2024/7/1
遮蔽のある散らかった環境でのターゲット物体把持に焦点を当てた新ベンチマークTARGOを構築し、既存手法の限界を示すとともに、形状補完モジュールを備えたTransformerベースのTARGO-Netを提案した。
- AIC MLLM:ロボットマニピュレーションのための自律対話型修正マルチモーダル大規模言語モデルマニピュレーション2024/6/1
関節物体操作における低レベル接触姿勢の失敗を、視覚マスクとテキスト指示を用いてMLLMが自律的に認識・修正する手法を提案。
- SCANet: 自己修正組立ネットワークによるLEGO組立誤りの修正組立/自己修正2024/3/1
LEGO組立の誤りを検出・修正する自己修正ネットワークSCANetを提案し、誤り修正用データセットLEGO-ECAを構築した。MEPNetの組立結果を修正し、正確性を大幅に向上させた。
- RGBGrasp: ロボットアーム動作中の多視点撮影とNeRFによる画像ベース物体把持マニピュレーション2023/11/1
ロボットアーム移動中に撮影した少数のRGB視点とNeRFを用いて、透明・鏡面物体を含む3D構造を推定し把持を実現する手法を提案。
- サンプル・クロップ・トラック:都市運転LiDARのための自己教師あり移動物体3D検出3D物体検出2022/9/1
運動手がかりと物体サイズの事前知識を組み合わせ、密な3D指向バウンディングボックスを予測することで、LiDAR点群から移動物体を自己教師ありで検出する手法SCTを提案した。
