Ning Gao
Shanghai Artificial Intelligence Laboratory
収録論文 13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
- フロンティアエージェントのEBenchによる性能評価:直接制御からポリシー併用ハーネスまでVLA2026/10/26
マルチモーダルLLMエージェントによるロボット制御をEBenchで評価し、直接制御と学習済みVLA/WAMポリシー併用の2構成を比較した報告。
- LLMによる強化学習のための進捗報酬モデル強化学習2026/10/15
複雑なタスクをLLMでサブタスクに分解し、進捗関数に基づく密な報酬を生成することで、スパース報酬の強化学習を効率化するフレームワークを提案した。
- OpenWAM: 体系的な世界行動モデル事前学習に向けたオープンでモジュール型の探求VLA2026/9/7
世界行動モデルの設計空間をモジュール化し、制御実験を通じて設計原則を抽出・検証するオープンな研究基盤を構築した。
- EBench: 汎用モバイル操作ポリシーの要素診断ベンチマーク/モバイル操作2026/6/1
単一の成功率スコアを超えて、汎用モバイル操作ポリシーの能力と汎化を多次元で診断するシミュレーションベンチマークを提案し、最新モデルの特性を明らかにした。
- StarVLA-α: 視覚言語行動システムの複雑さを低減するVLA2026/4/1
VLAモデルの設計選択を制御条件下で研究するため、複雑さを最小限に抑えたシンプルなベースラインStarVLA-αを提案し、複数ベンチマークで高い性能を達成した。
- ST4VLA: 視覚言語行動モデルのための空間誘導訓練VLA2026/2/1
VLMに空間的な事前知識を組み込む二段階訓練でロボットの行動生成を改善し、SimplerEnvで新たなSOTAを達成した研究。
- Nimbus: 具現化知能向け統合合成データ生成フレームワーク合成データ生成2026/1/1
ナビゲーションとマニピュレーションの合成データ生成パイプラインを統合し、非同期実行と動的スケジューリングでスループットを2〜3倍向上させるフレームワークを提案。
- InternData-A1:汎用ポリシー事前学習のための高忠実度合成データVLA2025/11/1
大規模シミュレーションで生成した63万軌道超の合成データセットInternData-A1を構築し、合成データのみでVLAモデルを事前学習しても実データと同等の性能が得られることを示した。
- InternVLA-M1: 空間誘導型視覚-言語-行動フレームワークによる汎用ロボットポリシーVLA2025/10/1
空間グラウンディングを手がかりに「どこで行動するか」と「どう行動するか」を二段階で学習し、汎用ロボット制御を実現するVLAフレームワークを提案。
- GenManip: LLM駆動シミュレーションによる汎化可能な指示追従マニピュレーションマニピュレーション2025/6/1
LLM駆動のシーングラフで多様なタスクを自動生成する卓上シミュレーション環境GenManipと、200シナリオのベンチマークGenManip-Benchを提案し、モジュール型とエンドツーエンド方策の汎化性能を比較評価した。
- SA6D: 新規物体と遮蔽に適応する自己適応型少数ショット6D姿勢推定器6D姿勢推定2023/8/1
少数の参照画像から自己適応セグメンテーションを用いて新規物体の点群モデルを構築し、遮蔽のある実環境で6D姿勢推定を行う手法を提案。
- 条件付きニューラルプロセスによるカテゴリ非依存6D姿勢推定6D姿勢推定2022/6/1
未知物体の6D姿勢推定を、カテゴリに依存しないメタ学習と幾何考慮型GNNデコーダで実現し、未見物体や遮蔽シーンでも高精度を示した。
- 物理特性が未知の物体のためのメタ学習による再把持戦略マニピュレーション2022/5/1
質量分布や摩擦係数が未知の物体に対し、Conditional Neural ProcessesとDexNet-2.0を組み合わせて限られた試行から物理特性を推定し、把持点をオンラインで更新するメタ学習手法ConDexを提案した論文。
