Yunze Man
収録論文 9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
- FLORA: ロボティクスデータエンジンをスケールさせるオープンモデルスイートデータエンジン2026/10/22
GR00Tモデル訓練向けの産業品質データエンジンFloraを公開。キャプション生成や報酬ラベリングでSOTAを達成し、API比で約125倍安価に大規模データ処理を実現する。
- Vesta: 汎用身体化推論モデルVLA2026/6/1
ロボットのための単一の基盤モデルで、位置推定・空間推論・ナビゲーション・長期計画を統合し、専門モデル群を上回る性能を示した。
- LocateAnything: 並列ボックスデコードによる高速・高品質な視覚言語グラウンディングVLA2026/5/1
視覚言語モデルによる物体検出・グラウンディングを、ボックス座標を並列に一度でデコードする方式に変え、推論速度と精度を両立させた。
- 視覚環境構造の捉え方が制御性能と相関する表現学習2026/2/1
事前学習済み視覚エンコーダが環境状態(幾何・物体構造・物理属性)をどれだけデコードできるかを測ることで、下流のロボット制御性能を予測できることを示した研究。
- Fast-ThinkAct: 言語化可能な潜在プランニングによる効率的な視覚-言語-行動推論VLA2026/1/1
推論トレースを潜在的な思考連鎖に蒸留し、推論VLAの推論遅延を最大89.3%削減しつつ長期的プランニングや適応性能を維持する手法を提案。
- Lexicon3D: 複雑な3Dシーン理解のための視覚基盤モデルを探る3Dシーン理解2024/9/1
画像・動画・3Dの視覚基盤モデル7種を4つの3Dシーン理解タスクで比較評価し、各モデルの強みと弱みを明らかにした研究。
- DualCross: 単眼BEV知覚のためのモダリティ・ドメイン横断適応BEV知覚2023/5/1
LiDARとカメラのモダリティ差とドメイン差を同時に克服し、訓練時はLiDAR点群知識を活用して、異なるドメインでカメラのみの単眼BEV知覚を高精度化する適応フレームワークを提案。
- 3D物体検出のためのマルチモーダルタスクカスケード3D物体検出2021/7/1
3Dボックス提案で2Dセグメンテーションを改善し、その結果で3Dボックスを再精緻化するカスケードネットワークを提案。SUN RGB-Dで+3.8 mAP@0.5の改善を達成。
- グラフニューラルネットワークによる3D多物体追跡3D多物体追跡2020/8/1
物体間の特徴相互作用をGNNでモデル化し、2Dと3D空間から外観・運動特徴を統合的に学習する特徴抽出器を提案して、3D多物体追跡の精度を向上させた論文。
