Winson Han
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
- MolmoMotion: 言語指示による3D点軌跡予測動作予測2026/6/17
言語指示に基づいて物体上の3D点の将来軌跡を予測するモデルと、大規模データセット・ベンチマークを構築した論文。
- MolmoAct2: 実世界展開のための行動推論モデルVLA2026/5/1
実世界展開に適した完全オープンな行動推論モデルMolmoAct2を提案し、空間推論に特化したVLMバックボーン、新しいデータセット、オープンな行動トーカナイザ、適応的推論機構などを導入して性能と効率を向上させた。
- MolmoB0T: 大規模シミュレーションによるゼロショット操作の実現操作2026/3/1
大規模で多様なシミュレーションデータのみを用いて、実世界へのゼロショット転移が可能であることを示し、静的・移動操作の両方で有効なポリシーを訓練した。
- MolmoSpaces:ロボットナビゲーションとマニピュレーションのための大規模オープンエコシステムsim2real2026/2/1
23万以上の多様な屋内環境と13万の物体アセットを備え、MuJoCoやIsaacなど複数シミュレータで使えるオープンなロボットベンチマーク基盤を構築し、実機との高い相関を示した。
- MolmoAct: 空間で推論できる行動推論モデルVLA2025/8/1
知覚・計画・制御を3段階で統合し、深度を考慮した知覚トークンから編集可能な軌道計画を生成して低レベル行動を予測するロボット基盤モデルを提案。シミュレーションと実世界で高い性能を示し、1万件超の軌道データセットも公開した。
- GraspMolmo:大規模合成データ生成による汎用タスク指向把持把持2025/5/1
自然言語指示とRGB-D画像から、大規模合成データで学習した視覚言語モデルにより、意味的に適切な把持を予測する汎用タスク指向把持モデルを提案。
- One RING:ロボット屋内ナビゲーションの汎用モデルナビゲーション2024/12/1
シミュレーションで大規模な機体形状のランダム化を行い、様々な実機ロボットに適応できる機体非依存の屋内ナビゲーション方策を学習した。
- Holodeck: 言語ガイドによる3D身体性AI環境の生成sim2real2023/12/1
GPT-4と大規模3Dアセットを用いて、テキストプロンプトから多様な3Dシミュレーション環境を自動生成するシステムを提案。
- SPOC: シミュレーションでの最短経路模倣による実世界での効果的なナビゲーションと操作ナビゲーション2023/12/1
シミュレーション内の最短経路プランナーを模倣することで、RGBのみを用いて実世界でナビゲーション・探索・物体操作ができるエージェントを訓練した研究。
- ProcTHOR: 手続き型生成による大規模身体性AI環境sim2real2022/6/1
手続き型生成で多様な仮想環境を大量に作り出し、身体性AIエージェントの学習・評価を可能にするフレームワークを提案。生成した1万件の家で学習したモデルが複数のベンチマークで最高性能を達成。
- ManipulaTHOR:視覚に基づく物体操作のためのフレームワークマニピュレーション2021/4/1
物理シミュレーション環境AI2-THOR上に構築した物体操作フレームワークを提案し、移動エージェントによる3D障害物回避や遮蔽下での操作を含む新課題ArmPointNavを提示した論文。
- RoboTHOR:シミュレーションから実世界への転移を目指す embodied AI プラットフォームsim2real2020/4/1
シミュレーション環境と対応する実世界環境をペアで提供し、遠隔から実機でモデルを評価できる embodied AI の基盤を構築した。sim2real の性能ギャップを定量的に示した。
- ALFRED:日常タスクの指示を解釈するためのベンチマークVLA2019/12/1
自然言語の指示と視点映像から家庭内タスクの行動系列を学習するベンチマークALFREDを提案し、既存モデルでは性能が低いことを示した。
