Yulong Cao
NVIDIA
収録論文 13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
- TacitVLA: 推論レイテンシなしで動作する推論型Vision-Language-ActionモデルVLA2026/10/13
推論テキストを行動生成に条件付けず、バックボーン表現の改善のみに活用することで、推論の性能向上を保ちつつ最大3.4倍低レイテンシを実現したVLAモデル。
- VeriFine: 身体性推論における自己改善のための検証スケーリングVLA2026/10/6
方策・カリキュラム・判定器を共進化させ、人間の助言を活用して判定器を改良することで、身体性推論タスクにおける継続的な自己改善を実現するフレームワークを提案。
- ゼロショット幾何評価によるワールドアクションモデルのテスト時スケーリングロボット制御2026/7/1
ロボット制御のためのワールドアクションモデル(WAM)において、予測未来のクロスビュー深度再投影一貫性に基づいてロールアウトを選択するトレーニング不要のテスト時スケーリング手法を提案し、成功率を向上させた。
- Cosmos 3: 物理AIのための全モーダル世界モデルVLA2026/6/1
言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。
- 反事実的VLA:適応的推論を備えた自己反省型視覚-言語-行動モデルVLA2025/12/1
自動運転VLAモデルが計画した行動を反事実的に推論して修正する自己反省フレームワークを提案し、軌道精度と安全性を向上させた。
- 潜在連鎖推論によるエンドツーエンド運転の世界モデリング自動運転VLA2025/12/1
運転行動の推論を自然言語ではなく、行動と整合した潜在空間で行うLCDriveを提案し、推論速度・軌道品質・強化学習の効果を向上させた。
- Alpamayo-R1: 長尾シナリオにおける汎化可能な自動運転のための推論と行動予測の橋渡し自動運転/VLA2025/11/1
視覚言語行動モデルに因果連鎖推論を組み込み、拡散ベースの軌道デコーダと強化学習を組み合わせることで、長尾の安全臨界シナリオでの自動運転計画精度と推論品質を向上させた研究。
- RealDrive: 拡散モデルによる検索拡張型運転計画自動運転計画2025/5/1
訓練データから類似の専門家デモを検索し、拡散モデルの初期値として使うことで、長尾の危険シナリオでも安全で多様な軌道を生成する運転計画手法を提案。
- 運転シナリオにおけるインタラクティブ性の指標としてのサプライズポテンシャル自動運転2025/2/1
自動運転車の評価に重要なインタラクティブな運転シナリオを、他車への「驚き」の度合いで定量化する新指標を提案し、人間の選好と高い相関を示した。
- Gen-Drive: 報酬モデリングと強化学習ファインチューニングによる拡散生成運転ポリシーの強化自動運転計画2024/10/1
拡散モデルで多様な将来シーンを生成し、VLM支援で学習した報酬モデルで評価する「生成→評価」型の自動運転計画フレームワークを提案し、強化学習で微調整することでnuPlan上での計画性能を向上させた。
- プロンプト可能な閉ループ交通シミュレーション交通シミュレーション2024/9/1
数値・カテゴリ・テキストのプロンプトで各エージェントの挙動を指示し、閉ループで交通シナリオを生成するマルチモーダル交通シミュレーション手法ProSimを提案。
- 人間のフィードバックによる強化学習を用いたリアルな交通シミュレーション交通シミュレーション2023/9/1
人間の選好を強化学習(RLHF)で取り込み、既存の交通モデルを人間の感覚に合うリアルな挙動へ調整するフレームワークTrafficRLHFを提案し、nuScenesで有効性を示した。
- 言語指示で制御するシーン単位の拡散型交通シミュレーション交通シミュレーション2023/6/1
大規模言語モデルでユーザーの指示を損失関数に変換し、時空間トランスフォーマーを備えたシーン単位の拡散モデルを誘導することで、現実的で指示に従う交通シミュレーションを生成する手法を提案した。
