Zhe Gan
収録論文 2本 ・ フィジカルAI/ロボット学習
VLA視覚言語ナビゲーション
※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
- SO-Bench:マルチモーダルLLMの構造化出力評価ベンチマークVLA2025/11/1
UI画面・自然画像・文書・グラフの4領域で、画像からJSONスキーマに沿った構造化出力を生成する能力を評価するベンチマークSO-Benchを構築し、既存モデルの課題を明らかにした。
- 戦術的巻き戻し:視覚言語ナビゲーションにおけるバックトラッキングによる自己修正視覚言語ナビゲーション2019/3/1
視覚言語ナビゲーションで、局所的な行動選択と大域的な信号を組み合わせ、行き詰まった際にバックトラックして自己修正するFASTナビゲータを提案し、R2RベンチマークでSPLを6%改善した。
