Yanzhe Chen
National University of Singapore
収録論文 7本 ・ フィジカルAI/ロボット学習
※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
- 動画フレームからロボットのメタフレームへ:ワールドアクションモデルのための統合潜在インターフェースVLA2026/11/10
ロボット信号を周波数領域で1つのメタフレームにまとめて動画拡散モデルに注入する手法を提案し、事前学習済みモデルの事前分布に整合させることでRoboCasaで68.9%の成功率を達成した。
- マルチモーダル身体性エージェント:コンピュータ利用からロボット利用までを統合する能力中心の視点VLA2026/10/21
マルチモーダル身体性エージェントを「知覚・予測・計画・行動・検証」の5能力で捉える統一フレームワークPAPAVを提案し、コンピュータ利用エージェントやロボットシステムとの比較と64ベンチマークの評価傾向を分析した論文。
- Show-Harness: VLMエージェントだけでロボットを操作VLA2026/9/9
VLMが離散的な意味アクション単位を通じてロボットを直接制御できる「Embodied Harness」を提案し、GUIベースのデモ収集インターフェースGUMIも開発した。
- 失敗境界学習によるロバストな視覚言語行動モデルVLA2026/9/5
専門家デモの模倣だけでは失敗境界が不明なため、デジタルツインでのロールアウトとセマンティック進捗定位を用いて失敗境界を発見・整形し、ロバストなVLAモデルを実現する手法DLSを提案。
- ActionMap: ボクセル行動ヒートマップによるロボットポリシー学習VLA/行動表現2026/6/5
既存のVLAモデルの行動デコーダを、行動空間上のボクセルヒートマップを予測するヘッドに置き換えることで、学習効率と性能を向上させる手法を提案した論文。
- 生き残るものを監視せよ:合成ロボット動画からの幾何学誘導VLA適応VLA/シミュレーション2026/6/1
合成ロボット動画から幾何学情報(2Dエンドエフェクタ経路点)を抽出し、VLAモデルの視覚バックボーンを補助タスクで調整する手法を提案。制御は実デモのみで学習し、幾何学情報で表現の崩壊を防ぐ。
- 多様性の罠を回避するアンカー中心適応によるロボット操作マニピュレーション2026/5/1
ロボット操作におけるVLAモデルの実機適応で、多様なデモ収集が逆効果になる「多様性の罠」を特定し、アンカー中心適応(ACA)という2段階フレームワークを提案。実機実験で成功率を向上させた。
