Xunliang Cai
収録論文 3本 ・ フィジカルAI/ロボット学習
VLALLMエージェント
※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。
- 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。
- AgentRefine: 洗練チューニングによるエージェント汎化能力の向上LLMエージェント2025/1/1
LLMエージェントの汎化性能を高めるため、環境フィードバックに基づいて誤りを修正する経験を学習させるAgentRefineフレームワークを提案した。
