Xing Gao
Shanghai Artificial Intelligence Laboratory
収録論文 16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
- 経験を振り返り教訓を磨く:身体性エージェントのためのシンプルな記憶進化VLA2026/11/8
MLLMベースの身体性エージェントが自己記述のテキスト記憶を保持・洗練することで、重み更新なしに性能を大幅向上できることを示した研究。
- フロンティアエージェントのEBenchによる性能評価:直接制御からポリシー併用ハーネスまでVLA2026/10/26
マルチモーダルLLMエージェントによるロボット制御をEBenchで評価し、直接制御と学習済みVLA/WAMポリシー併用の2構成を比較した報告。
- PICA-WAM: 世界行動モデルにおける外観横断的自己整合による視覚摂動不変性VLA2026/10/19
世界行動モデル(WAM)に摂動不変性を補助タスクとして組み込む自己教師あり学習フレームワークを提案し、視覚的外観変化に対するロバスト性を向上させた。
- InternW0-Δ: 予測ダイナミクスと行動を橋渡しする20K時間超のオープンデータによるワールドアクションモデルVLA2026/9/25
視覚ダイナミクスと行動生成を統合したワールドアクションモデルを、20,000時間超の異種オープンデータで事前学習し、シミュレーションと実機で従来手法を上回る性能を達成した。
- InternW0: 効率的な実世界インタラクションのための基盤的物理世界モデル世界モデル2026/9/23
上海AI Labが、視覚予測とロボット制御を非対称なvideo-actionアーキテクチャで統合した物理世界モデルInternW0を提案。約7,200時間のデータで学習し、化学合成やピペッティングなどの実世界タスクで評価した。
- GAUGE: 物理的忠実性を測定するための実世界基盤ベンチマーク物理シミュレーション/ベンチマーク2026/8/1
シミュレーションエンジンと生成ビデオワールドモデルの物理的忠実性を、実世界の軌跡に基づいて診断するベンチマークを提案した。22のタスクファミリーで剛体・柔軟物・布・変形物体の物理過程を評価し、既存の物理エンジンやビデオモデルの不一致を明らかにした。
- 探索・対話・展開可能:オープンワールド移動操作のための視覚駆動型具現化エージェント移動操作2026/7/1
実世界展開可能な移動操作エージェントのためのフレームワークREALを提案し、シミュレーションと実機のギャップを埋める環境とベンチマークを構築、物理ロボットで高い成功率を達成した。
- InternVLA-A1.5: 理解・潜在予測・行動の統合による構成的汎化VLA2026/7/1
ロボット操作のための統一モデルで、事前学習済みVLMの意味理解とビデオ生成モデルの動的予測を活用し、将来予測を潜在コードのクエリ問題として再構成することで、実時間制御を維持しつつ構成的汎化を実現した。
- 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。
- InfBaGel: 動的知覚と反復的洗練による人-物体-シーン相互作用生成相互作用生成2026/4/6
人-物体-シーン相互作用の生成を、動的なシーン変化を考慮しつつ、粗から精への反復的生成フレームワークで実現した。データ不足は疑似データ生成で補い、衝突回避のガイダンスも導入した。
- ProgD: 動的グラフを用いた漸進的マルチスケールデコーディングによるマルチエージェント運動予測マルチエージェント予測2025/9/1
動的な異種グラフで将来の相互作用の進展をモデル化し、漸進的マルチスケールデコーディングで複数エージェントの運動を予測する手法を提案。INTERACTIONベンチマークで1位を達成。
- 運転意図の敵対的転移による安全臨界交通シミュレーション自動運転シミュレーション2025/3/1
周囲車両の運転意図を敵対的に最適化し、意図条件付きの運動計画と組み合わせることで、現実的で安全臨界な交通シナリオを効率的に生成する手法IntSimを提案した。
- CARLAシミュレータにおけるLiDAR向けの現実的な雨天気象シミュレーションsim2real2023/12/1
CARLAシミュレータ上で雨天時のLiDARデータを物理モデルに基づいて生成し、車輪の水しぶきも再現することで、悪天候下の物体検出性能を向上させるデータ拡張手法を提案した。
- 知識駆動型自動運転に向けて自動運転2023/12/1
データバイアスや長尾シナリオへの弱さ、解釈性の欠如といった従来の自動運転の課題に対し、大規模言語モデルや世界モデル、ニューラルレンダリングなどを用いた知識駆動型アプローチの研究動向を整理し、今後の方向性を示したサーベイ論文。
- SceneDM: 一貫性のある拡散モデルによるシーン全体のマルチエージェント軌道生成軌道生成2023/11/1
拡散モデルを用いて、車・自転車・歩行者などシーン内の全エージェントの未来軌道を一貫性を保ちながら同時生成するフレームワークを提案し、Waymoベンチマークで最高性能を達成した。
- 異種グラフ畳み込みリカレントネットワークによる動的シーン表現学習と運動予測運動予測2023/3/1
車両や車線などの要素とその時間変化を異種動的グラフで表現し、新しい異種グラフ畳み込みリカレントネットワークで時空間依存を学習して、自動運転の運動予測精度を向上させた研究。
