Shengyi Qian
収録論文 4本 ・ フィジカルAI/ロボット学習
マニピュレーション3D-LLMアフォーダンス3D視覚グラウンディング
※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
- 3D-MVP: ロボットマニピュレーションのための3Dマルチビュー事前学習マニピュレーション2024/6/1
マスク付きオートエンコーダを用いて大規模3Dデータセットで視覚エンコーダを事前学習し、ロボットマニピュレーションの汎化性能を向上させる手法を提案した。
- 3D-GRAND: 接地精度が高く幻覚の少ない3D-LLM向け100万規模データセット3D-LLM2024/6/1
家庭内3Dシーン4万件と言語指示620万件を対応付けた大規模データセットを構築し、3D-LLMの指示チューニングで接地能力向上と幻覚低減を実現、幻覚評価ベンチマーク3D-POPEも提案した。
- AffordanceLLM:視覚言語モデルによるアフォーダンスのグラウンディングアフォーダンス2024/1/1
大規模視覚言語モデルの知識を活用し、物体の操作可能な領域(アフォーダンス)を画像から推定する手法を提案。未知の物体や行動にも汎化できることを示した。
- LLM-Grounder: 大規模言語モデルをエージェントとして用いたオープンボキャブラリ3D視覚グラウンディング3D視覚グラウンディング2023/9/1
大規模言語モデル(LLM)が複雑な自然言語クエリを分解し、視覚グラウンディングツールと連携して3Dシーン内の物体を特定・評価する、学習データ不要のゼロショット3D視覚グラウンディング手法を提案。
