Xuezhi Cao
Meituan Inc.
収録論文 4本 ・ フィジカルAI/ロボット学習
VLA移動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
- Meituan-Robotics-0: デスクトップ操作のための視覚言語行動基盤モデルVLA2026/11/5
視覚言語データと多様なロボット軌道を組み合わせ、離散行動トークン事前学習・フローマッチング中間学習・実環境後学習の3段階で訓練したデスクトップ操作向けVLA基盤モデル。Rollbackによる効率的な人間修正学習と非同期行動チャンク統合、イベント駆動エージェントを導入し、実ロボットタスクで高い成功率を達成。
- RMMBench:ロボット移動マニピュレーションのための包括的ベンチマーク移動マニピュレーション2026/10/4
移動とマニピュレーションを組み合わせた70種類のタスクでVLMの身体性能力を評価するベンチマークを提案し、最先端VLMでも空間定位に課題があることを示した。
- 2AM: 長期ホライズン操作における操縦可能な行動モデルのためのエージェント側記憶の基盤化VLA2026/9/10
マルチモーダルエージェントにタスク記憶を集約し、単一のRGBベースVLAを実行者として、履歴を言語サブタスクと2Dヒントに変換して操縦する長期操作フレームワーク。LIBERO-Memで大幅な性能向上を達成。
- LARY: 汎用視覚-行動対応のための潜在行動表現ベンチマークVLA2026/4/1
人間の行動ビデオから学習した潜在行動表現の能力を評価する統一ベンチマークを構築し、汎用視覚基盤モデルが専門の潜在行動モデルより優れ、潜在空間が物理行動空間とより良く整合することを示した。
