Xin Fei
収録論文 6本 ・ フィジカルAI/ロボット学習
世界モデルVLAマニピュレーション身体化推論
※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
- 物体中心の世界モデルを大規模3D全物体フローデータセットでスケールアップするObjectWorld世界モデル2026/11/8
物体表面全体(遮蔽領域含む)に密な3D軌道を割り当てる「3D全物体フロー」表現と、1210時間の大規模データセットを構築し、画像とタスク記述から全物体フローを予測する世界モデルを学習した研究。
- VISTA: 身体性エージェントの自己改善のための能動的探索VLA2026/10/26
ロールアウトの事後反省を能動的な自己探索に変え、ハーネスを反復的に改良するメタエージェントフレームワークVISTAを提案し、複数ベンチマークで段階的な性能向上を示した。
- 混雑環境での大規模クロスエンボディメント巧みな把持マニピュレーション2026/10/18
8種の巧みなハンドと約5万物体にわたる約5億の把持アノテーションを備えた大規模シミュレーションベンチマークを構築し、混雑環境でのクロスエンボディメント把持合成の拡散モデルT(R,O) Grasp++を提案した。平均成功率88%、推論遅延0.3秒を達成。
- ParallelWorld: 身体化推論のためのテスト時スケーリング身体化推論2026/8/24
身体化推論における探索を、単一ステップの貪欲な選択ではなく、複数ステップの未来軌道を並列にシミュレーションして評価するフレームワークを提案した論文。
- T(R,O) Grasp:ロボットと物体の空間変換をグラフ拡散で生成するクロスエンボディメント巧みな把持マニピュレーション2025/10/1
ロボットハンドと物体の空間変換を統一的に表現するグラフ拡散モデルを提案し、多様なハンドで高成功率・高速な把持生成を実現した。
- VLA-OS:視覚言語行動モデルにおける計画表現とパラダイムの構造化と分析VLA2025/6/1
VLAモデルの計画パラダイムと表現を統一的に比較するVLA-OSを提案し、視覚接地表現が言語表現より優れ、階層型VLAが性能・汎化・拡張性で優位だが速度が遅いことを示した。
