Yu-Chee Tseng

収録論文 3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

• AlloEgo-VLM: 視覚言語モデルにおける全中心・自己中心参照枠の曖昧性解消
  VLA2026/8/16

  視覚言語モデルが空間関係を記述する際に参照枠（全中心的・自己中心的）の曖昧さを解消するためのデータセットとフレームワークを構築し、ロボットの物体探索タスクでの実用性を検証した。

• ViewMind3D: モジュール型ビュー認識推論による学習不要の3D質問応答
  3D質問応答2026/7/30

  3D再構成や追加学習を必要とせず、マルチビュー観測から3D空間推論を行う学習不要のフレームワークを提案。質問駆動のビュー選択、言語条件付き物体接地、鳥瞰図インジケータ、役割ベース推論の4モジュールで構成し、ScanQAとSQA3Dで競争力のある性能を達成した。

• 視覚言語モデルによる対話の位置曖昧性解消とロボットナビゲーション
  VLA2024/10/1

  屋内ロボットが自然言語指示の位置曖昧性を、大規模言語モデルと視覚言語モデルによる複数ターンの対話で解消し、対象物体のIDから3D深度マップへとマッピングして目的地へ移動する手法を提案した。