Sangdoo Yun
NAVER AI Lab
収録論文 6本 ・ フィジカルAI/ロボット学習
ロボット基盤モデル世界モデルVLAVLA/検索拡張
※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
- SPARK: 事前学習済み知識をロボット制御に適応させる簡易ポストトレーニングロボット基盤モデル2026/11/9
大規模基盤モデルの視覚特徴を、時間変化や行動に関わる情報を保ちながらロボット制御向けに適応させるポストトレーニング手法を提案し、複数ベンチマークと実機マニピュレーションで成功率と汎化性能の向上を示した。
- 言語条件付き潜在世界モデルによる多様なデータからの想像計画世界モデル2026/10/20
数値行動や視覚変化を言語で記述し、言語モデル上に構築した潜在世界モデルで異種データを統合学習。計画性能と頑健性を高め、下流ポリシーの初期化にも有効であることを示した。
- タスク対応人間動画からの転移可能な世界行動モデルの学習VLA2026/10/9
異なる環境で収集したタスク対応の人間実演ペアを用い、一方の動画と行動から他方の行動と未来フレームを予測するクロス動画事前学習WATCHを提案し、ロボット事後学習後の成功率を大きく改善した。
- ロバストな視覚言語エンコーダのための等方性埋め込み摂動VLA2026/9/9
埋め込み空間に拡散的なランダム摂動を加えるAetherを提案し、視覚言語モデルのマルチモーダル整合性を損なわずに正則化性能を向上させた。
- 再学習せずに検索せよ:テスト時に視覚言語行動モデルを新タスクへ拡張する手法VLA/検索拡張2026/6/14
新しいタスクへの適応を、モデルの再学習ではなく、デモンストレーションの検索で置き換える手法を提案。凍結したポリシーが検索した軌跡を条件付けに使い、タスク追加をパラメータ更新なしで実現する。
- 成功・失敗デモンストレーションを活用した階層型視覚言語行動モデルVLA2025/12/1
失敗デモも学習信号として活用し、高レベル推論と低レベル制御を分離した階層型VLAモデルVINEを提案。計画時に失敗を考慮した探索を行うことでマニピュレーションの成功率とロバスト性を向上させた。
