Min Shi

収録論文 5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

• WorldBagel：視覚・言語・行動・世界モデルの統合の力
  VLAWモデル2026/7/3

  統合型マルチモーダルモデルを用いて、ロボット操作タスクにおける世界モデルの性能を向上させる新しいフレームワークを提案した。

• Cosmos 3: 物理AIのための全モーダル世界モデル
  VLA2026/6/1

  言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。

• Eagle：複数の視覚エンコーダを組み合わせたマルチモーダルLLMの設計空間の探求
  VLA2024/8/1

  複数の視覚エンコーダを組み合わせる際の設計選択を体系的に比較し、視覚トークンを単純に連結する手法が有効であることを示した上で、Pre-Alignmentを導入したEagleモデルを提案した論文。

• EANet: オンライン軌道予測のためのエキスパートアテンションネットワーク
  軌道予測2023/9/1

  Hedge伝播に着想を得たエキスパートアテンションで層ごとの重みを調整し、データストリームから即時学習して急なシーン変化にも対応するオンライン軌道予測フレームワークを提案。

• 右不変誤差に基づく一貫性のある固定ラグスムーザと視覚慣性SLAMへの応用
  VSLAM2021/2/1

  固定ラグスムーザの可観測性を線形化系上で解析し、右不変誤差定式化によりヤコビアン補正なしで一貫性を確保する手法を提案、単眼視覚慣性SLAMに適用した。