Ran He
Institute of Automation of the Chinese Academy of Sciences
収録論文 8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
- デジタル改ざんから物理的なりすましまで対応する視覚フォレンジック基盤モデルフォレンジック基盤モデル2026/10/27
画像・動画の改ざん検出と物理的ななりすまし検出を統合的に扱う基盤モデルVenus-DefakerOne2を提案し、多様なベンチマークで最先端性能を達成した。
- 汎用マルチモーダルモデルによる直接ロボット制御の実力評価VLA2026/10/20
GPT-6 Astraを軽量エージェント枠組みで閉ループ操作に適用し、深度知覚・文脈学習・触覚活用などの身体能力と5つの操作ベンチマークでの性能を体系的に評価、意味推論と物理実行の乖離を明らかにした論文。
- Omni-Woodpecker:オムニLLMのための証拠と事前知識の再バランスによる幻覚補正マルチモーダルLLM2026/10/19
音声・視覚を統合するオムニLLMのクロスモーダル幻覚を、学習不要で隠れ状態の直交分解により証拠と事前知識に分離し再バランスする手法を提案。
- GaugeVLM: 計測された幾何学的介入による空間的監督の構造化VLA2026/9/29
3Dシーンで物体やカメラを操作し、空間関係の変化量を計測して視覚言語モデルを訓練する手法を提案。複数の空間推論ベンチマークで性能を大幅に改善した。
- GUIは状態ではない:GUIワールドモデルにおける状態エイリアシングの診断GUIワールドモデル2026/9/26
GUIワールドモデルが観測のみに依存すると状態の曖昧さが生じる問題を指摘し、その診断ベンチマークと履歴から状態を復元する手法を提案した。
- 身体性AIにおける安全性:リスク、攻撃、防御のサーベイ安全性2026/5/1
身体性AIの安全性に関する研究を、知覚から計画、行動、相互作用までのパイプライン全体にわたって体系的にレビューし、攻撃と防御の多層的な分類法を提案した論文。
- OmniUMI:人間に合わせたマルチモーダルインタラクションによる物理的基盤を持つロボット学習マニピュレーション2026/4/1
UMI型インターフェースに触覚・把持力・外力などの物理的接触信号を統合し、拡散ポリシーで学習するシステムを提案。力に敏感な操作タスクで有効性を示した。
- VITA-E:見る・聞く・話す・行動するを同時に実現する身体的インタラクションVLA2025/10/1
2つのVLAモデルを並列に動かす二重モデル構成と「モデル・アズ・コントローラ」により、ロボットが環境を見ながらユーザーの音声を聞き、発話し、行動を同時並行で実行し、割り込みにも即応できる身体的対話フレームワークを提案した。
