Quan Wang
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
- ピクセルから行動へ:ネイティブな視覚-言語-行動ポリシーに向けてVLA2026/11/4
視覚エンコーダを排除し、画像パッチを言語と共にバックボーン内で進化させて行動生成に直接利用するNEO-VLAを提案。操作タスクでエンコーダベース手法より強く頑健な制御を実現した。
- GPT-6-Astraは身体知能を獲得したのかVLA2026/10/15
GPT-6-Astraを12のベンチマークで大規模評価し、操作・移動・器用な手などで高い性能を示す一方、実機展開ではICL用デモ収集コストや実行時間と成功率のトレードオフなどの課題を明らかにした報告。
- インターリーブ型マルチモーダル生成のための自己修正最適化マルチモーダル生成2026/10/7
マルチモーダル大規模言語モデルにおいて、追加学習なしで画像とテキストが交互に並ぶ生成の一貫性を高める自己修正最適化手法を提案し、時間的一貫性や視覚的主題の保持を改善した。
- ASD児童向けロボット支援学習法:教えることで学ぶ pedagogy の提案教育支援ロボティクス2026/9/13
自閉症スペクトラム児の社会的スキル向上のため、ロボットを「教える相手」として用いる学習法を提案し、人間相手よりロボット相手の方が成績・集中度が高いことを示した。
- VBVR-Pro: ネイティブ視覚推論のためのスケーラブルで検証可能なスイート視覚推論2026/8/26
視覚生成を推論の媒体として扱うネイティブ視覚推論の研究を進めるため、300の手続き生成タスクからなる閉ループテストベッドVBVR-Proを導入し、検証可能な報酬スコアラと制御されたモダリティ比較を提供する。
- Y-BotFrame: 四足ロボットアシスタントのための拡張可能な具現化エージェントフレームワーク具現化エージェント/四足ロボット2026/6/1
四足ロボットを音声・視覚・LiDARによるマルチモーダル認識と大規模言語モデルを組み合わせた知的アシスタントに変える、拡張可能なフレームワークを提案した。自然言語の指示を実行可能なタスクに変換し、リモコン不要の対話を実現する。
- AerialClaw: LLM駆動の自律型空中エージェントのためのオープンソースフレームワークドローン/LLMエージェント2026/6/1
自然言語のミッションを理解し、実行可能な空中スキルを呼び出し、フィードバックを閉ループで反映するLLMベースの自律UAVエージェントを実現するオープンソースフレームワークを提案する。
- マルチモーダル基盤モデルによる空間知能のスケーリングVLA2025/11/1
800万件の多様な空間データでマルチモーダル基盤モデルを訓練し、空間知能ベンチマークで大幅な性能向上を達成するとともに、データスケーリングや創発的汎化の兆候を分析した。
- マルチモーダルLLMの空間知能を包括的に評価するEASI空間知能評価2025/8/1
GPT-5など最先端マルチモーダルモデルの空間理解・推論能力を、統一的なタスク分類に基づく8つのベンチマークで大規模に評価し、人間との差や限界を明らかにした。
- 自動運転向け分散シミュレーションプラットフォーム自動運転シミュレーション2017/5/1
SparkとROSを組み合わせ、大量のデータ再生シミュレーションを分散処理する自動運転開発向けの実運用シミュレーションプラットフォームを構築した。
- 自動運転向けクラウド基盤の実装クラウド基盤2017/4/1
自動運転のための分散シミュレーション・深層学習・HDマップ生成を支える統合クラウド基盤を構築し、その実装とサービス提供方法を示した論文。
