Xinkai Wang
Shanghai Innovation Institute
収録論文 6本 ・ フィジカルAI/ロボット学習
所属歴(論文より): Shanghai Innovation Institute(〜2026) / Shanghai Jiao Tong University(〜2026) / Southeast University(〜2026)
VLAマニピュレーション
※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
- 視覚意味論と4D幾何を統合した世界行動モデルUniFlowWAMVLA2026/10/22
3Dシーンフローを視覚・行動と対等な第三のモダリティとして扱い、拡散トランスフォーマーで統合した世界行動モデル。ポリシーや順/逆ダイナミクスなど多役割を単一モデルで実現し、シミュレーションと実機双腕操作で有効性を示した。
- 統一因果学習下で世界モデルと行動モデルは相互に利益をもたらすか?VLA2026/10/15
行動を条件とした世界予測と政策学習を同一の映像・行動アーキテクチャで統合するOneWMを提案し、世界モデリングと行動生成が相互に性能を高め合うことを実機実験を含めて示した。
- ObjDream: 物体レベル理解と未来状態予測で視覚-言語-行動モデルを導くVLA2026/10/14
物体中心の時空間エンコーダと行動条件付き未来状態予測を組み合わせ、分布シフトや clutter に強い VLA モデルを実現した研究。
- ForceWAM: 接触を伴う操作のためのデモとプレイデータから未来予測と応答学習を分離する力世界行動モデルマニピュレーション2026/10/13
成功デモから未来の映像と6軸力覚を予測する世界モデルと、デモとタスク非依存のプレイデータから行動を学ぶ逆動力学モデルを分離し、接触の多い操作を高成功率で実現した研究。
- Track4Action: 世界中心の3Dトラッカーを視覚言語行動ポリシーに蒸留するVLA2026/8/1
行動ラベルにはロボットの動作指示しか含まれないが、デモ動画のフレーム遷移には3D世界の変化が含まれる。この遷移を凍結した3Dトラッカーから蒸留し、推論時にトラッカー不要のVLAポリシーを学習するフレームワークを提案。シミュレーションと実機で精度が向上した。
- LaMP: 3Dシーンフローを潜在運動事前分布として用いる視覚-言語-行動ポリシーの学習VLA2026/3/1
3Dシーンフローを潜在的な運動事前分布として組み込んだ二重エキスパート型VLAフレームワークを提案し、LIBEROや実機実験で従来手法を上回る成功率とOOD頑健性を達成した。
