Yicong Hong
収録論文 8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
- NavGPT-3:階層型ナビゲーションランタイムにおける文脈活用ナビゲーション2026/10/7
言語モデルによる推論と行動ポリシーをOSライクなランタイムで統合し、R2R-CEとRxR-CEで最先端性能を達成、RxR-CEでは人間レベルのナビゲーションを実現した。
- SAME: 状態適応型エキスパート混合による汎用言語誘導視覚ナビゲーションの学習ナビゲーション2024/12/1
異なる粒度の言語指示による7つのナビゲーションタスクを統一的に扱うため、状態に応じて専門家を切り替えるMixture of ExpertsモデルSAMEを提案し、タスク特化型エージェントに匹敵する性能を実現した。
- NavGPT-2:大規模視覚言語モデルのナビゲーション推論能力を引き出すVLA2024/7/1
凍結した大規模言語モデルに視覚情報を整合させ、ナビゲーション方策ネットワークと組み合わせることで、視覚言語ナビゲーションタスクにおける推論能力と行動予測性能を向上させた研究。
- NaVid: ビデオベースVLMが視覚言語ナビゲーションの次の一歩を計画するVLA2024/2/1
単眼RGBカメラの動画ストリームのみから次の行動を出力するビデオベース大規模視覚言語モデルNaVidを提案し、地図・オドメトリ・深度なしでシミュレーションと実世界の両方で最先端のナビゲーション性能を達成した。
- 意味地図を教師信号に用いたナビゲーション向け視覚表現学習ナビゲーション2023/7/1
エゴセントリック視点と意味地図を対比させて視覚表現を学習し、物体目標ナビゲーションや視覚言語ナビゲーションで高性能を達成した研究。
- NavGPT: 大規模言語モデルによる視覚と言語を用いたナビゲーションの明示的推論VLA2023/5/1
GPTモデルを純粋に用いた指示追従ナビゲーションエージェントNavGPTを提案し、視覚と言語のナビゲーションタスクにおいてゼロショットで高レベルの計画や推論が可能であることを示した。
- RxR-Habitat視覚言語ナビゲーションコンペティション優勝手法VLA2022/6/1
連続環境での視覚言語ナビゲーション(VLN-CE)に対し、候補地点予測・履歴強化プランナー・試行制御器を組み合わせた階層的なplan-and-control手法を提案し、CVPR 2022のRxR-Habitatコンペで優勝した。
- 視覚言語ナビゲーションにおける離散環境と連続環境の学習ギャップを埋めるVLA2022/3/1
連続環境で高レベル行動エージェントを訓練できるよう、候補ウェイポイントを予測する手法を提案し、離散-連続間の性能ギャップを大幅に削減した。
