Yining Hong
Stanford University
収録論文 14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
- 連続行動空間における蒸留木探索による長期的マルチオブジェクト再配置マニピュレーション2026/10/19
物理シミュレーション内のMCTSで長期的計画を生成し、それを方策・価値モデルへ蒸留することで、テスト時に探索なしで長期的な物体再配置を実行できる手法を提案した。
- T2-Z: ロボット世界モデルのためのテスト時環境潜在最適化世界モデル2026/10/15
世界モデルに学習可能な環境潜在を付加し、テスト時に少数の相互作用から潜在を最適化することで未知環境へ適応する手法を提案。
- AutoAgent0: 安全な閉ループ運転のためのエージェント実行環境自動運転2026/10/13
既存の運転ポリシーに検出・検証・回復機能を追加し、閉ループ運転の安全性をテスト時実行問題として改善するエージェントランタイムを提案。
- FACT: 人間からロボットへの巧みな操作のためのマルチモーダル力・行動・トラック基盤モデルマニピュレーション2026/10/13
人間の触覚データセットEgoForceとロボット実演を組み合わせ、視覚計画から力に基づく微調整へと段階的に処理する基盤モデルFACTを提案。道具使用や楽器演奏など10タスクで最大60ポイントの成功率向上を達成。
- T²Mem: ロボティクスのためのテスト時メモリ学習VLA2026/9/29
事前学習済み視覚言語行動ポリシーに、テスト時訓練で観測履歴を圧縮した高速重みとして記憶させ、記憶不要なベース方策を大きく上回る成功率を達成した手法。
- ESI-Bench：知覚と行動のループを閉じる身体化空間知能のベンチマーク身体化空間知能2026/5/1
受動的な観察ではなく、能動的な探索を通じて空間理解を行う身体化空間知能のベンチマークを提案し、能動的探索が受動的観察より優れていることを示した。
- 試行錯誤からの学習：身体性LLMのための内省的テスト時計画VLA2026/2/1
実行前の内省で行動候補を生成・評価し、実行後の内省でモデルと方針を更新する内省的テスト時計画を提案し、長期的な家庭内タスクやロボット実験で性能向上を実証した。
- 身体性ウェブエージェント：物理世界とデジタル世界を統合するエージェント知能VLA2025/6/1
3Dシミュレーション環境とウェブインターフェースを統合したプラットフォームを構築し、料理・ナビゲーション・買い物など物理とデジタルの協調推論を要するタスクのベンチマークを提案した。
- SlowFast-VGen：行動駆動型長尺動画生成のための低速・高速学習動画生成2024/10/1
人間の補完的学習システムに着想を得て、低速学習（世界動態の拡散モデル）と高速学習（時間LoRAによるエピソード記憶）を組み合わせ、行動に基づく長尺動画生成の一貫性を向上させる手法を提案。
- 3D-VLA：3D視覚・言語・行動の生成的ワールドモデルVLA2024/3/1
3D知覚・推論・行動を生成的ワールドモデルで結びつけた基盤モデルを提案し、拡散モデルによる将来の画像・点群生成を通じて行動計画能力を向上させた。
- MultiPLY: 3D世界におけるマルチセンサリー物体中心の身体性大規模言語モデルVLA2024/1/1
視覚・音・触覚・温度などのマルチセンサリー情報を統合し、3D環境内で能動的に行動しながら物体と対話できる身体性大規模言語モデルを提案。
- 3D-LLM：3次元世界を大規模言語モデルに注入する3D-LLM2023/7/1
3D点群を入力とし、キャプション生成や3D質問応答、ナビゲーションなど多様な3Dタスクを実行できる3D-LLMを提案。300k以上の3D言語データを収集し、2D VLMをバックボーンに訓練することで、空間情報をより良く捉える。
- マルチビュー画像からの3D概念学習と推論3D推論2023/3/1
マルチビュー画像から3D表現を構築し、視覚言語モデルとニューラル推論を組み合わせて3D視覚質問応答を行うフレームワークを提案し、大規模ベンチマークを構築した。
- 物理シミュレーションと機能予測で故障した3D物体を修理する物理推論2022/5/1
故障した3D物体を修理するため、知覚・物理ダイナミクス予測・機能予測を統合したFixNetを提案し、約5千体のデータセットFixItでベースラインを大きく上回る性能を示した。
