Zhaoxi Chen
Ropedia
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
- Ropedia Xperience 2:フィジカルAIの環境と行動をスケールさせる基盤データセットデータセット/sim2real2026/11/12
実世界の3Dスキャン1,589件と74タスク・131時間の一人称視点記録を収集し、各データを物理シミュレーション環境やロボット全身軌道に変換して再利用可能にした、フィジカルAIのスケーリング則研究のための基盤データセットを提案した論文。
- ピクセルから行動へ:ネイティブな視覚-言語-行動ポリシーに向けてVLA2026/11/4
視覚エンコーダを排除し、画像パッチを言語と共にバックボーン内で進化させて行動生成に直接利用するNEO-VLAを提案。操作タスクでエンコーダベース手法より強く頑健な制御を実現した。
- 人間のデモンストレーションから学ぶ汎用両手巧みさ追従制御両手マニピュレーション2026/10/21
両手巧み操作の汎用トラッカーDONICと、多視点データセットBiHOIを提案し、PPOと行動クローニングを組み合わせて単一ポリシーで異種参照を追従できるようにした。
- EgoXperience: 人間の体験から世界に接地した自己中心表現を学習する自己中心視点/3D再構成2026/10/19
自己中心視点の動画から、カメラ・周囲の3D形状・手と物体の相互作用を一貫した世界座標系で同時再構成するデータ収集・自動注釈・統一モデル・ベンチマークの枠組みを提案した論文。
- Ropedia W0:人間の経験で多様な身体の移動操作ワールドモデルをスケールするワールドモデル2026/10/19
人間とロボットの一人称視点データを統合し、移動と操作をまたぐ身体横断型ワールドモデルを構築。蒸留によりリアルタイムVR対話や方策評価・計画への応用を実現した。
- 身体化チューリングマシン:ロボットの再帰的自己改善のための状態を持つコードVLA2026/10/8
ロボットの状態をコードで明示的に表現し、VLMやVLAを使わずコードのみで意思決定を行う手法COAPを提案。42の両腕タスクで70.24%の成功率を達成した。
- EgoTools: 実世界の一人称視点動画における道具中心の推論に向けて一人称視点/道具使用推論2026/9/30
道具を使う一人称視点動画の大規模データセット(100時間)と、知覚・幾何・手順・因果推論を問う1,000問のベンチマークを構築し、既存の動画マルチモーダルモデルが道具使用の理解に苦戦することを示した。
- SpatialBench:あなたの空間基盤モデルは万能選手か?ベンチマーク2026/5/26
空間基盤モデルの真の汎化能力を評価するため、多様な領域・タスク・入力密度をカバーする大規模ベンチマークSpatialBenchを構築し、41モデルを体系的に評価した。
- PhysX-Omni: 剛体・変形体・関節物体のための統合シミュレーション対応物理3D生成3D生成2026/5/1
剛体、変形体、関節物体など多様なアセットタイプに対応した、シミュレーション対応の物理3D生成の統合フレームワークを提案した論文。
- Kinema4D: 時空間身体化シミュレーションのためのキネマティック4Dワールドモデリングシミュレーション2026/3/1
ロボットと環境の相互作用を4次元(時空間)で生成する新しいシミュレータを提案し、ロボット制御の正確な4D表現と環境反応の生成的4Dモデリングを組み合わせることで、物理的に妥当で幾何学的に一貫した相互作用をシミュレートする。
- HSImul3R: 物理を組み込んだシミュレーション可能な人-シーン相互作用の再構築シミュレーション/再構築2026/3/1
カジュアルな映像から、物理的に安定したシミュレーション可能な人-シーン相互作用の3D再構築を行うフレームワークを提案。物理シミュレータを能動的な監督者として双方向に最適化し、実ロボットへの適用も実証した。
- DynamicVLA:動的物体操作のための視覚-言語-行動モデルVLA2026/1/1
動的物体操作のためのVLAフレームワークを提案し、時系列推論と閉ループ適応を統合。合成・実世界データからなるDOMベンチマークも構築した。
- PhysX-Anything: 単一画像からシミュレーション可能な物理的3Dアセットを生成sim2real2025/11/1
単一の画像から、関節構造や物理属性を備えたシミュレーション可能な3Dアセットを生成するVLMベースのフレームワークを提案し、新データセットPhysX-Mobilityも構築した。
