Yinzhou Tang
DAMO Academy, Alibaba Group
収録論文 10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
- 汎用潜在行動を条件とするクロスエンボディメント世界モデル世界モデル2026/10/27
人間動画・ロボット実演・シミュレーションを共通の3D潜在行動で条件付けし、異なる身体間で学習できる動画世界モデルを構築した。生成した疑似実演で実機ポリシーの成功率を向上させた。
- RynnVLA-Latent: 3D接地潜在行動でロボット操作基盤モデルをスケールするVLA2026/10/25
異種の動画から3Dに接地した連続潜在行動を学習し、それを用いてVLAモデルを事前学習することで、多様なロボット操作タスクで高い成功率を達成した研究。
- RynnUnify:統合型身体性ブレインへの挑戦VLA2026/10/23
動画と言語の交互推論で身体的理解と長期視覚計画を統合した16Bモデルを提案し、強化学習によるエージェント拡張とロボット制御への拡張も実現した。
- モバイルマニピュレーションの突破口:失敗診断からエージェント型ロボットシステムへモバイルマニピュレーション2026/10/14
長期的なモバイルマニピュレーションの失敗を診断し、計画・ナビゲーション・操作の各段階に介入するエージェントシステムを開発。成功率を19%から49%に向上させた。
- UniW(A)M:世界モデルと世界行動モデルを統合するMixture-of-ExpertsフレームワークVLA2026/10/13
拡散TransformerとMixture-of-Expertsを用いて、行動条件付き世界モデリングと多様な世界行動モデルを単一フレームワークに統合し、実世界マニピュレーションで高い成功率を達成した研究。
- 必要なときに夢を見る:適応的マルチモーダル推論による世界行動モデルの進化VLA2026/6/1
世界行動モデル(WAM)の性能を高めるため、タスクの切り替え時にはテキスト推論、細かい操作時には視覚推論を動的に切り替える軽量ルータを導入したAdaWAMを提案した。シミュレーションと実世界のタスクで効率と性能が向上した。
- WorldArena 2.0:モダリティ・機能・プラットフォームにわたる身体化ワールドモデルベンチマークの拡張ベンチマーク2026/5/1
身体化ワールドモデルの評価を、視覚のみから視触覚へ、政策評価から強化学習環境としての利用へ、シミュレータから実ロボットへと拡張したベンチマークを提案した。
- WorldArena:身体性世界モデルの知覚と機能的実用性を評価する統合ベンチマーク世界モデル2026/2/1
身体性世界モデルを映像知覚品質と下流タスクでの機能的実用性の両面から評価する統合ベンチマークWorldArenaを提案し、14モデルの実験から知覚と機能の間に大きなギャップがあることを示した。
- RoboScape-R: 報酬と観測を統合したワールドモデルによる汎化可能なロボティクス強化学習強化学習/ワールドモデル2025/12/1
ワールドモデルを汎用環境プロキシとして用い、状態遷移の理解から報酬を生成する強化学習フレームワークを提案し、多様なシーンへの汎化性能を向上させた。
- RoboScape: 物理情報を組み込んだ身体性世界モデル世界モデル2025/6/1
RGB動画生成と物理知識を統合して学習する世界モデルを提案し、3D形状や運動ダイナミクスを考慮した物理的に妥当なロボット動画生成を実現した。
