Xizhou Zhu
収録論文 4本 ・ フィジカルAI/ロボット学習
VLA自動運転マルチエージェント視覚ナビゲーション
※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
- 視覚的身体脳:マルチモーダル大規模言語モデルに空間での知覚・思考・制御をVLA2025/6/1
マルチモーダルLLMをロボット制御に統合するVeBrainを提案し、テキストベースの制御信号を実機の動作ポリシーに変換するアダプタと大規模指示データセットで脚ロボットやアームの適応的な操作を実現した。
- Dita: 汎用視覚言語行動ポリシーのための拡散TransformerのスケーリングVLA2025/3/1
Transformerで連続行動列を直接ノイズ除去するマルチモーダル拡散フレームワークを提案し、多様なロボットデータを統合して長期的タスクや実環境適応を実現した。
- 計画指向の自動運転自動運転2022/12/1
知覚・予測・計画を単一ネットワークに統合し、計画を最終目標として最適化するUniADを提案。nuScenesで従来手法を大幅に上回る性能を示した。
- 協調視覚ナビゲーションのための大規模3Dデータセットと記憶拡張型通信フレームワークマルチエージェント視覚ナビゲーション2021/7/1
複数エージェントがフォトリアルな3D環境で協力して目的地へ移動する視覚ナビゲーションの大規模データセットCollaVNを構築し、過去の通信情報を外部記憶に保持する記憶拡張型通信手法を提案した。
