Yiwu Zhong
Peking University
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
- 推論時に行動表現を誘導するSTARVLA2026/10/29
学習不要の推論手法STARを提案し、VLAモデルの後層の行動表現に物体認識的な更新方向を引き継がせて操作タスクの成功率を平均4.0ポイント向上させた。
- CausalAlign: 映像生成モデルの自己運動を一貫させる因果的アライメント映像生成/自己運動2026/10/21
拡散型映像生成モデルのカメラ自己運動のドリフトを診断し、3D基盤モデルとのデルタトークン空間でのアライメントで運動精度と幾何一貫性を改善する手法を提案。
- 記憶を重みとして:ストリーミング動画の長期履歴を内部化する手法VLA2026/10/15
ストリーミング動画向けVLMにおいて、過去の観測をLoRA重みに逐次統合して履歴を保持するMaLoWを提案し、大規模データセット構築とベンチマークでの性能向上を示した。
- 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。
- MARS: ワールドアクションモデルの多段階高速化フレームワークVLA2026/10/12
ワールドアクションモデルの推論を、Transformer計算・拡散ノイズ除去・連続クエリの3段階で冗長性を除去し、学習なしで最大4倍高速化する手法を提案。
- EmbodiedCLBench:自己進化型身体性エージェントの継続学習を評価するベンチマーク継続学習2026/10/9
身体性シミュレーション環境で継続学習能力を評価する初のベンチマークを提案し、基本タスクから学んだ経験が複雑な未見タスクの解決に一貫して役立つ一方、学習サンプル数に応じて改善がスケールしないことを示した。
- OmniEcho: 身体性エージェントのための空間音響理解音響知覚2026/9/20
実世界の空間音響・視覚シーンを集めたベンチマークOmniEchoBenchを構築し、一人称アンビソニックス音響を扱う全モーダルモデルOmniEchoを提案。音響による知覚・ナビゲーションで最先端性能を達成した。
- 身体化操作のためのデータピラミッド:サーベイデータ収集/身体化AI2026/7/1
実ロボットデータからシミュレーションデータまで、身体化エージェントの学習に使われる5つのデータ源をピラミッド構造で整理し、各データの特性と組み合わせ方を分析したサーベイ論文。
