Siqi Zhang
収録論文 6本 ・ フィジカルAI/ロボット学習
ナビゲーションVLAsim2real
※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
- GG-Nav: 目標指向型グラウンディング連鎖推論でナビゲーション基盤モデルの推論を引き出すナビゲーション2026/10/10
ストリーミング観測を活用し目標を正確に特定する構造化Chain-of-Thoughtを教師あり微調整で学習させるナビゲーション手法を提案し、複数ベンチマークで成功率を向上させた。
- VCN-Bench:事前視覚経験に基づく空間推論のためのビデオ文脈化ナビゲーションベンチマークナビゲーション2026/9/28
事前に撮影された動画を手がかりに、指示された目的地を推論してナビゲーションする新ベンチマークVCN-Benchを提案し、MLLMの閉ループ空間推論能力を評価した。
- VL-LN Bench:能動的対話による長期的目標指向ナビゲーションに向けてナビゲーション2025/12/1
対話を通じて曖昧な指示を解決しながら特定物体を探索する新しいナビゲーションタスクIIGNと、そのための大規模ベンチマークVL-LN Benchを提案した。
- COSMO: 選択的記憶の組み合わせによる低コスト視覚言語ナビゲーションVLA2025/3/1
視覚言語ナビゲーション(VLN)において、状態空間モジュールとトランスフォーマーを統合し、選択的状態空間モジュール(RSSとCS3)を導入することで、高性能と低計算コストを両立する新アーキテクチャCOSMOを提案した。
- FlexVLN: 多様な視覚言語ナビゲーションタスクへの柔軟な適応VLA2025/3/1
視覚言語ナビゲーションにおいて、教師あり学習ベースの指示追従器とLLMプランナーを階層的に統合し、検証機構とマルチモデル統合機構で幻覚を抑え、未知データセットへの汎化性能を大幅に向上させた。
- 未見物体インスタンスセグメンテーションのための完全テスト時RGB-D埋め込み適応sim2real2022/4/1
シミュレーションで学習したRGB-Dセグメンテーションモデルを、実世界のテスト画像のみでBatchNormパラメータとクロスモダリティ蒸留により適応させ、未見物体のセグメンテーション精度を向上させた研究。
