Peihao Chen
収録論文 10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
- 3DFlowAction: 3Dフローワールドモデルから身体性を超えたマニピュレーションを学習マニピュレーション2025/6/1
人間とロボットの操作データから3D空間での物体の動きを予測するワールドモデルを学習し、言語指示に基づく3Dフローを生成してロボットの操作計画を導く手法を提案。
- 3D永続的具現化ワールドモデルの学習ワールドモデル2025/5/1
過去に生成した内容を明示的に記憶する3Dマップを条件付けし、RGB-D動画拡散モデルで長期的に一貫した未来予測を可能にする永続的ワールドモデルを提案。計画や方策学習に有効性を示す。
- 3D-Mem: 身体性エージェントのための3Dシーンメモリ身体性AI2024/11/1
探索領域を多視点画像の「メモリスナップショット」として記憶し、未探索領域の「フロンティアスナップショット」も活用することで、身体性エージェントの探索と推論を向上させる3Dシーンメモリを提案した。
- CoNav: 人間中心の協調ナビゲーションのためのベンチマークナビゲーション2024/6/1
人間の活動を観察して意図を推論し、人間より先に目的地へナビゲートする協調ナビゲーション(CoNav)ベンチマークを提案。LLMベースの人間動作生成と意図認識エージェントを開発した。
- 3D-VLA:3D視覚・言語・行動の生成的ワールドモデルVLA2024/3/1
3D知覚・推論・行動を生成的ワールドモデルで結びつけた基盤モデルを提案し、拡散モデルによる将来の画像・点群生成を通じて行動計画能力を向上させた。
- MultiPLY: 3D世界におけるマルチセンサリー物体中心の身体性大規模言語モデルVLA2024/1/1
視覚・音・触覚・温度などのマルチセンサリー情報を統合し、3D環境内で能動的に行動しながら物体と対話できる身体性大規模言語モデルを提案。
- FGPrompt:画像ゴールナビゲーションのための細粒度ゴールプロンプティングナビゲーション2023/10/1
ゴール画像の細粒度特徴をプロンプトとして観測エンコーダに条件付けし、ゴール関連領域に注目させる画像ゴールナビゲーション手法を提案。Gibsonなど3データセットで大幅な性能向上を達成。
- A²Nav: 基盤モデルの視覚言語能力を活用した行動認識型ゼロショットロボットナビゲーションナビゲーション2023/8/1
大規模言語モデルで複雑なナビゲーション指示を行動単位のサブタスクに分解し、行動特化データで学習した方策でゼロショット視覚言語ナビゲーションを実現した。
- 3D-LLM:3次元世界を大規模言語モデルに注入する3D-LLM2023/7/1
3D点群を入力とし、キャプション生成や3D質問応答、ナビゲーションなど多様な3Dタスクを実行できる3D-LLMを提案。300k以上の3D言語データを収集し、2D VLMをバックボーンに訓練することで、空間情報をより良く捉える。
- マルチオブジェクトナビゲーションのための能動カメラ学習ナビゲーション2022/10/1
複数物体への効率的なナビゲーションを実現するため、カメラの動きを強化学習問題として定式化し、ナビゲーション方策と協調する能動カメラ方策を学習する手法を提案した。
