Weiwei Chen
Hohai University
収録論文 10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
- 音声から直接ロボット操作を指示する音声-言語-行動モデルVLA2026/10/24
音声をテキストに変換せず直接モータコマンドへ写像するSpeech-π0.5を提案し、ASR経由より3倍低遅延で未知のアクセントにも頑健なことを示した。
- 証拠誘導型反事実学習によるロボット政策の長尾分布対応VLA2026/10/9
視覚言語行動政策において長尾タスク分布に対処するため、指示と行動に関連する視覚証拠を特定し、反事実予測を利用してタスク指示・視覚証拠・行動の関連を強化する学習フレームワークを提案。
- CIRRA: 対話型家事タスクにおける実体ロボットエージェントのための二段階継続的指示調停と実行継続タスクプランニング2026/10/5
家事ロボットが実行中のタスクに新しい指示を統合する際、既存の計画を保持しつつ局所的に調停する二段階フレームワークCIRRAを提案。CHIRPベンチマークで高い意思決定一致率を示した。
- Q-WAM: 行動サブスペース保護によるWorld Action Modelの4ビット量子化量子化2026/9/27
World Action Modelを4ビットに量子化する際、行動生成に重要なチャネルを低ランク16ビット枝で保護することで、精度をほぼ保ったまま計算・メモリコストを削減する手法を提案。
- Flash-WAM: モダリティ認識蒸留によるワールドアクションモデルの高速化VLA2026/6/3
ビデオとロボット動作を同時生成するワールドアクションモデルを、モダリティごとに適切な蒸留手法を適用して単一ステップ推論に圧縮し、リアルタイム制御を可能にした。
- PhyWorld: 物理的に忠実な世界モデルによるビデオ生成ビデオ生成2026/5/19
ビデオ生成モデルを物理法則に従う世界シミュレータとして機能させるため、2段階のポストトレーニング(フローマッチングとDPO)を導入し、物理的整合性を向上させた。
- 機械における人間の認知:世界モデルの統一的視点世界モデル2026/4/1
世界モデルの研究を認知機能の観点から分類し、人間のような認知能力を目指すための統一的枠組みを提案した論文。特に動機付けとメタ認知の研究不足を指摘し、今後の研究方向を示している。
- エッジからクラウドGPUまでのVision-Language-ActionモデルのクロスプラットフォームスケーリングVLA2025/9/1
5つの代表的なVLAモデルをエッジとデータセンターGPUで評価し、精度・遅延・スループット・メモリ使用量を測定してスケーリング傾向を明らかにした。
- VOTE: 軌道アンサンブル投票による視覚-言語-行動モデルの最適化VLA2025/7/1
VLAモデルの推論遅延と学習コストを削減するため、少ない行動トークンで並列生成する学習フレームワークと、過去と現在の予測を投票で統合する推論最適化を提案し、成功率と推論速度を大幅に向上させた。
- 連続遷移:MixUpによる連続制御問題のサンプル効率改善強化学習2020/11/1
軌道上の連続する遷移を線形補間して新しい遷移を合成し、識別器でその妥当性を保つことで、連続ロボット制御タスクにおける強化学習のサンプル効率を大幅に向上させた研究。
