Xiongkun Linghu
収録論文 2本 ・ フィジカルAI/ロボット学習
VLA
※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
- 3Dシーンにおけるマルチモーダル状況推論VLA2024/9/1
3Dシーン内の状況理解のための大規模マルチモーダル質問応答データセットMSQAとナビゲーション評価ベンチマークMSNNを提案し、既存モデルの限界とマルチモーダル入力の重要性を示した。
- 3D世界における身体性を持つ汎用エージェントVLA2023/11/18
3D世界での知覚・推論・計画・行動を統合的に行うマルチモーダル汎用エージェントLEOを提案し、3D視覚言語アライメントと視覚言語行動指示チューニングの2段階で訓練して多様なタスクでの性能を示した。
