Shujie Zhang
Shanghai Artificial Intelligence Laboratory
収録論文 5本 ・ フィジカルAI/ロボット学習
VLAsim2realベンチマーク/モバイル操作マニピュレーション3Dシーン生成
※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
- VLMはネイティブな行動モデルである:明示的行動空間グラウンディングによる操作能力の解放VLA2026/10/9
VLMの視覚・空間推論能力を、ツール中心点を基準にした行動フレームを手首カメラ画像に投影しテキスト生成として行動を表現することで、追加の行動モジュールやロボット行動事前学習なしに直接操作行動を生成できるようにしたフレームワークEASGを提案。
- RoboSnap: ワンショット実世界からシミュレーションへのシーン生成による汎用ロボット学習と評価sim2real2026/7/1
単一のRGB画像から物理的に安定し視覚的にも忠実なシミュレーション環境を自動生成するフレームワークを提案し、ロボットの軌道再現やポリシー学習・評価に活用できることを示した。
- EBench: 汎用モバイル操作ポリシーの要素診断ベンチマーク/モバイル操作2026/6/1
単一の成功率スコアを超えて、汎用モバイル操作ポリシーの能力と汎化を多次元で診断するシミュレーションベンチマークを提案し、最新モデルの特性を明らかにした。
- RoboVIP: 視覚的アイデンティティプロンプティングによる多視点動画生成でロボットマニピュレーションを強化マニピュレーション2026/1/1
ロボット操作データを拡張するため、見本画像を条件に多視点で時間的に一貫した動画を生成する手法を提案し、模擬環境と実機で方策性能を向上させた。
- SceneWeaver: 拡張可能な自己反省型エージェントによるオールインワン3Dシーン合成3Dシーン生成2025/9/1
言語モデルベースのプランナーが多様なシーン生成ツールを選択し、自己評価と反復的な改善を通じて物理的・視覚的・意味的に整合した3D屋内シーンを合成するフレームワークを提案。
