Kaiwen Zhou
Knowin.AI
収録論文 11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
- EKT-Router: 実世界視覚言語モデルのための専門家と証拠の統合ルーティングVLA2026/10/16
限られた観測から質問に答える実世界視覚言語モデル向けに、能力専門家・知識・知覚ツールを呼び出し予算内で同時選択するルーティング手法を提案し、6つの実世界QAベンチマークで最高性能を達成した。
- Anvil: 知識再循環による身体性空間知能のスケーリングVLA2026/10/15
身体性空間知能のためのデータ生成・学習・評価を統合したフレームワークAnvilを提案し、異種データの再循環と専門家蒸留により9Bモデルで公開ベンチマークの性能を大幅に向上させた。
- RoboAware: 反事実的結果から身体スキルの協調を学習するVLA2026/10/8
コーディングエージェントが複数のロボットスキルを組み合わせる際に、状態に応じてどのポリシー系統が成功するかを反事実的結果から学習する調整器を提案し、100タスクで77%の成功率を達成した。
- フロンティアVLMエージェントはロボット汎用istになれるか?Embodied Agent Arenaによる実証研究VLA2026/10/1
VLMのロボット汎用性を評価するベンチマーク「Embodied Agent Arena」を提案し、7つのVLMを幾何推定・空間推論・アフォーダンス・タスク計画・操作の観点で比較した。精密推定は得意だが、協調的な目標指向行動の完遂に課題が残ることを示した。
- ロボットのインコンテキスト学習:手法と応用VLA2026/9/28
ロボットのインコンテキスト学習(ICL)に関する文献レビューであり、文脈条件付き方策、幾何学的実演転移、世界モデルベース制御、スキル・エージェントベース実行の4つのインターフェースに分類し、転移の前提や評価手法を整理する。
- Robo-Harness K1: 知覚拡張によるロボット操作エージェントの活用VLA2026/9/24
VLMに深度や空間計測などの知覚ツールを提供し、追加学習なしでロボット操作を実現するエージェントフレームワークを提案。少ない実演データでも高い汎化性能を示す。
- RACaP: 進化可能なロボット学習のためのポリシーとしての推論・行動・コーディングVLA2026/9/24
コード生成を進化フェーズに移し、展開時は凍結された型付きポリシーAPIをReActループで呼び出すエージェント型フレームワークを提案。長期的タスクで成功率と速度を大幅に改善し、小型モデルへの蒸留で実機展開を効率化した。
- SemanticVLA: 効率的なロボット操作のための意味論的整合スパース化と強化VLA2025/11/1
視覚言語行動モデルの知覚冗長性と指示-視覚の浅い整合を解決するため、意味論に基づく視覚プルーニングと階層的融合、行動結合を導入し、LIBEROでOpenVLAを21.1%上回る性能と効率を実現した。
- 一点ではなく面で捉える:ロボットタスクの空間グラウンディングのための適応的アフォーダンスヒートマップによる不確実性の表現VLA2025/10/1
空間的な目標を離散的な点ではなく連続的なアフォーダンスヒートマップとして表現し、不確実性を捉えることで、実世界のマニピュレーション成功率82%と最大50倍の高速化を実現したフレームワークRoboMAPを提案。
- ソフト常識制約を用いた探索によるゼロショット物体ナビゲーション物体ナビゲーション2023/1/1
事前学習済みの視覚言語モデルと常識言語モデルを活用し、ナビゲーション経験なしで未知環境の物体へ到達するゼロショット物体ナビゲーション手法ESCを提案。
- JARVIS: 会話型身体エージェントのための神経記号常識推論フレームワークVLA2022/8/1
大規模言語モデルと記号推論を組み合わせ、会話に基づく身体エージェントのタスク実行を可能にするフレームワークを提案。TEAChデータセットで最先端性能を達成。
