Shijie Li
収録論文 13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
- EgoVine: 実世界動画から分岐経験を構築するポストトレーニング長期的計画2026/9/30
実世界の一人称動画を実行可能な記号環境に変換し、分岐探索と結果予測を統合したポストトレーニングで長期的計画を行う小型プランナーを訓練した研究。
- Talk2Escape: 対話による視覚言語ナビゲーションの閉ループ化視覚言語ナビゲーション2026/9/23
ナビゲーションエージェントの迷走を検知したら対話で修正指示を求める仕組みを提案し、シミュレータと実機で成功率と頑健性を向上させた。
- 報酬が見合うときだけ質問する:コストを考慮したオープンエンド対話によるインスタンス目標ナビゲーションナビゲーション2026/6/2
インスタンス目標ナビゲーションにおいて、曖昧な指示を解決するためのオラクルへの質問コストを考慮し、情報利得に基づいて質問タイプと重みを学習し、効率的な対話ナビゲーションを実現する手法を提案した論文。
- Ego2World: 一人称調理動画を実行可能な世界へ変換し信念状態計画を行う計画/ベンチマーク2026/5/13
一人称調理動画から実行可能なシンボリック世界を構築し、部分観測下での信念状態計画を評価するベンチマークを提案した論文。
- PRISM: シミュレーション環境における意図を伴う計画と推論ベンチマーク2026/5/1
LLMベースの身体性エージェントの失敗原因を、知覚・推論・長期計画のどの能力に起因するかを診断するベンチマークPRISMを提案した論文。
- IntentionNav: 暗黙的な人間の指示からの意図駆動型物体ナビゲーションのベンチマークナビゲーション2026/5/1
物体のカテゴリ名を直接与えず、人間の暗黙的な意図(例:「これを温めたい」)から目標物体を推論して探索する「意図駆動型物体ナビゲーション」のベンチマークを提案し、VLMを用いた評価を行った。
- 万物を導く一つのエージェント:明示的な世界表現によるMLLMの視覚言語ナビゲーション強化VLA2026/2/1
MLLMを用いたナビゲーションで、低レベル空間推定と高レベル意味計画を分離し、インタラクティブな計量世界表現と反事実推論を導入することで、ゼロショットで最先端性能を達成し、実機移行も実証した。
- DV-VLN: LLMベース視覚言語ナビゲーションのための信頼性の高い二重検証VLA2026/1/1
LLMによる視覚言語ナビゲーションで、生成した行動候補を真偽検証とマスク実体検証の二重チャネルで検証し、信頼性を高めるフレームワークを提案。
- 視覚言語モデルによるゼロショット3D視覚グラウンディング3D視覚グラウンディング2025/5/1
2Dの視覚言語モデルを活用し、3D専用の学習データなしで3Dシーン内の物体を自然言語で特定するゼロショット手法SeeGroundを提案。
- SeeGround: ゼロショットオープンボキャブラリ3D視覚グラウンディングのための見て接地する手法3D視覚グラウンディング2024/12/1
2D視覚言語モデルを活用し、3Dシーンをクエリに合わせたレンダリング画像と空間記述のハイブリッドで表現することで、ゼロショットでオープンボキャブラリな3D視覚グラウンディングを実現した。
- 目標駆動型アプローチによる対話戦略の最適選択:インテリジェント発信ロボットに向けて対話システム2022/6/1
企業のアウトバウンドコール業務を自動化するインテリジェントロボットにおいて、目標達成のために対話戦略を最適に選択する目標駆動型アプローチを提案する。
- 先読み社会認識強化学習によるロボットナビゲーションナビゲーション2021/5/1
現在の人間との相互作用だけでなく将来の社会的相互作用も予測して衝突回避と効率を両立させる、先読み型の社会認識強化学習フレームワークを提案した論文。
- 3D LiDARデータにおける移動物体セグメンテーション:時系列データを活用した学習ベース手法移動物体セグメンテーション2021/5/1
回転式3D LiDARの連続レンジ画像とCNNを用い、車両や歩行者などの意味クラスではなく「移動中か静止中か」を区別してシーンをセグメントする手法を提案し、SemanticKITTIベースの新ベンチマークも公開した論文。
