Lin Ma

収録論文 16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

• Vorch-Omni: 視覚と聴覚のマルチタスク統合オーケストレーション
  音声映像生成2026/8/6

  音声と映像の生成・編集・参照合成を単一モデルで統一的に扱うマルチタスクフレームワークを提案し、条件付けマスクとタスク識別子により多様な入出力構成を柔軟に処理する。

• CanvasAgent: 視覚ツールのオーケストレーションによる複雑な画像生成・編集の実現
  VLA2026/7/6

  複雑な画像生成・編集を、複数の視覚ツールを順次呼び出すマルチモーダルエージェントで実現する。大規模データセットと強化学習でツール選択を学習する。

• RoboTron-Sim: シミュレーションによる難ケースで実世界運転を改善
  自動運転2025/8/1

  高リスクな稀ケースを網羅したシミュレーションデータセットHASSと、環境・ハードウェア差に適応する手法を提案し、実世界の自動運転性能を約50%向上させた。

• RoboTron-Nav: 知覚・計画・予測を統合した具現化ナビゲーションの統一フレームワーク
  ナビゲーション2025/3/1

  言語指示に基づく視覚ナビゲーションのため、知覚・計画・予測をマルチタスク学習で統合し、適応的な3D履歴サンプリングで過去の観測を効率的に活用するフレームワークを提案。CHORES-Sベンチマークで成功率81.1%を達成し、最先端性能を更新した。

• 低コストデータでロボットマニピュレーションの汎化を促進
  VLA2025/3/1

  大規模作業空間での空間推論フェーズに着目し、低コストで収集可能なデータを活用してVLAモデルの汎化性能を高めるフレームワークを提案。

• 超大規模マルチロボットタスク計画のためのスケーラブルな階層型強化学習
  群制御2024/12/1

  ロボット移動型フルフィルメントシステムにおける超大規模マルチロボットタスク計画に対し、階層型時間注意ネットワークと多段階カリキュラム、反事実ロールアウトベースラインを組み合わせた階層型強化学習プランナを構築した。

• RoboTron-Drive：自動運転のためのオールインワン大規模マルチモーダルモデル
  VLA2024/12/1

  画像や多視点動画を入力とし、知覚・予測・計画を含む多様な自動運転タスクを単一モデルで実行する汎用大規模マルチモーダルモデルを提案し、複数ベンチマークで最先端性能を達成した。

• RoboTron-Mani：ロボット操作のためのオールインワン・マルチモーダル大規模モデル
  マニピュレーション2024/12/1

  カメラパラメータと占有監督で3D知覚を強化し、モダリティ分離マスクとマルチモーダルデコーダで融合を改善したロボット操作モデルと、複数データセットを統合したRoboDataを提案。CALVINで平均系列長を1.7から3.5に向上させ、シミュレーションと実世界で最先端を達成。

• 大規模モデルによる指示誘導型マニピュレーションアフォーダンスの学習
  マニピュレーション2024/8/1

  視覚言語モデルと大規模言語モデルを活用し、言語指示に応じて対象物の操作領域を予測するアフォーダンスネットワークを提案。自動データ拡張により実世界タスクでの性能と未知物体・指示への汎化を向上させた。

• 基盤モデルを用いたアフォーダンス指向の連続視覚言語ナビゲーション計画
  VLA2024/7/1

  SAMで地面のアフォーダンスを抽出し、LLMが経由点と経路をゼロショットで計画する連続VLN手法AO-Plannerを提案し、R2R-CEとRxR-CEで最高精度を達成した。

• DaDu-Corki：身体性AIロボットマニピュレーションのためのアルゴリズム・アーキテクチャ協調設計
  マニピュレーション2024/7/1

  LLM推論・ロボット制御・通信を分離し、近未来の軌道予測と専用ハードウェアでマニピュレーションを高速化・省エネ化する協調設計フレームワークを提案。

• RoboCAS：複雑な物体配置シナリオにおけるロボットマニピュレーションのベンチマーク
  マニピュレーション2024/7/1

  散在・整列・積み重ねなど複雑な物体配置を扱うロボット操作ベンチマークRoboCASを提案し、長期的な空間推論や連鎖反応予測の能力を評価した。

• RoboUniView: ロボット操作のための統一視点表現を持つ視覚言語モデル
  VLA2024/6/1

  カメラパラメータに依存しない統一視点表現を事前学習で獲得し、それに基づいてロボット操作の行動を生成することで、異なるロボットプラットフォーム間での性能差を解消した手法を提案。

• FastPillars: 展開に適したピラーベース3D検出器
  3D検出2023/2/1

  自動運転向けに、SPConvを使わず軽量なピラーエンコーディングとバックボーン設計で高精度・低遅延を実現した3D物体検出器を提案。

• 高忠実度シミュレーション環境における歩行者安全評価フレームワーク
  自動運転シミュレーション2022/10/1

  自動運転シミュレーションに歩行者の特性を組み込み、衝突だけでなくコンフリクト事象も考慮して歩行者安全を定量的に評価する手法を提案し、単車知覚とV2I協調知覚の比較実験で有効性を示した。

• Baidu Apolloの自動キャリブレーションシステム：産業レベルのデータ駆動型・学習ベース縦方向ダイナミクス校正アルゴリズム
  自動運転/キャリブレーション2018/8/1

  人間の走行データからオフライン校正テーブルを生成し、オンライン学習でリアルタイムに更新する自動運転車の縦方向ダイナミクス自動校正システムを構築、100台以上のApollo車両に展開した。