Shaoli Huang
AGIBOT X-Lab
収録論文 2本 ・ フィジカルAI/ロボット学習
マルチモーダル対話VLA
※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
- XBot-Omni:身体理解と対話のためのオムニモーダルモデルマルチモーダル対話2026/11/12
テキスト・画像・音声・動画を入力に、発話・身体動作・表情を統合して生成するThinker-Talker-Actor構成のロボット向けオムニモーダルモデルを提案し、7つのベンチマークで理解と動作生成の性能を検証した。
- KineVLA: 運動学を考慮した視覚言語行動モデルと二段階行動分解VLA2026/3/1
言語指示に運動学的属性(方向、軌道、姿勢、相対変位など)を細かく組み込んだ新しいVLAタスクを提案し、目標の不変性と運動学的可変性を分離する二段階行動表現と推論トークンを持つKineVLAフレームワークを導入した。シミュレーションと実機で精度・制御性・汎化性が向上することを示した。
