Yuxin Du
Shanghai Jiao Tong 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
- FastHarness:経験に基づくVLAポリシーのレビュースケジューリングVLA2026/10/22
言語モデルによるロボットポリシーの監視を、経験の蓄積に応じて間引く仕組みを提案し、レビュー頻度と実行時間を削減しつつ成功率を向上させた。
- Evo-DexBench: 関連タスク間の汎化を評価する巧みな操作のベンチマークマニピュレーション2026/10/15
関連するコアタスクから新規ターゲットタスクへ機能的な相互作用知識を転移できるかを評価する、30タスク・6機能ファミリからなる巧みな操作のベンチマークを提案した。
- Evo-World: オプティカルフロー監督による未来運動予測を組み込んだ軽量Vision-Language-ActionモデルVLA2026/10/9
未来の画像ではなくオプティカルフローを予測させることで、見た目に依存しない運動中心の予測信号をVLAポリシー学習に組み込み、軽量ながらシミュレーションと実機で高い成功率を達成した研究。
- LA4VLA: 視覚なしで行動を学習する言語-行動事前学習VLA2026/6/1
視覚-言語-行動モデルが視覚情報に過度に依存する問題を解決するため、視覚観察なしで言語条件付き行動の事前学習を行うフレームワークを提案し、シミュレーションと実世界で性能向上を確認した。
- 焦点可能な単眼深度推定深度推定2026/5/12
指定された対象領域に焦点を当てて深度推定を行う新しいタスクと、プロンプト条件付きのフレームワークを提案した論文。
- Evo-Depth: 軽量な深度強化型視覚言語行動モデルVLA2026/5/1
追加センサーや高コストな幾何基盤モデルを使わずに、多視点RGB画像から軽量な暗黙的深度符号化モジュールで深度特徴を抽出し、空間セマンティクスを強化するVLAモデルを提案した。
- Evo-1: 意味的整合性を保つ軽量Vision-Language-ActionモデルVLA2025/11/1
ロボットデータでの事前学習なしに、VLMの知覚表現を保ちながら軽量・高性能を実現したVLAモデルを提案。
- Evo-0: 暗黙的な空間理解を備えた視覚-言語-行動モデルVLA2025/7/1
既存の視覚基盤モデルを活用し、RGB画像のみから3D幾何特徴を暗黙的に取り込むプラグアンドプレイモジュールを提案し、VLAモデルの空間理解能力を向上させた。
