Zhenyang Liu
Fudan University
収録論文 12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
- 視覚言語ナビゲーションにおける物理的実行可能性ギャップの解明と橋渡し視覚言語ナビゲーション2026/10/19
既存のVLNシミュレータの緩い接触モデルが物理的に不可能な行動を隠す問題を指摘し、指示条件付き軌道の実行可能性を予測・選択するVeSTAフレームワークで衝突失敗を削減する。
- AWAM: 能動的な軌道条件付き視点想像によるロバストなロボットマニピュレーションマニピュレーション2026/10/16
ロボットが行動前に観察すべき視点を能動的に計画し、その軌道に沿って見える光景を想像することで、遮蔽や分布シフトに強い操作を実現した研究。
- 見てから動け:能動的知覚と視覚言語行動モデルを観測整合データ適応で橋渡しVLA2026/10/16
能動的なカメラ移動で得た視点からVLAポリシーを微調整するデータ適応手法ActiveAlignを提案し、遮蔽物のある操作成功率を大きく改善した。
- OmniCam: 幾何学に基づくポーズトークン学習による全方位カメラ軌道生成カメラ軌道生成2026/10/7
単一のパノラマ画像と言語による軌道記述から、自己回帰モデルでカメラポーズ列を生成する手法を提案し、軌道誤差と衝突率を大幅に削減した。
- WeaveLA: 反復ロボット操作のためのイベント駆動型サブタスク間潜在記憶の織り込みVLA/操作2026/6/16
VLAポリシーに、サブタスク完了イベントで圧縮した潜在記憶を次のサブタスクの行動生成に渡す軽量なクロスサブタスク記憶チャネルを追加し、反復操作の成功率を向上させた。
- VADF: 視覚適応型拡散ポリシーフレームワークによる効率的なロボット操作マニピュレーション2026/4/1
拡散ポリシーの学習収束の遅さと推論タイムアウト問題を解決するため、訓練時のサンプル難易度に応じた重み付けと、推論時の視覚に基づくタスク分割により、収束ステップ数を削減し早期成功率を向上させるフレームワークを提案した。
- ドリフトを未然に防ぐ:堅牢な視覚言語ナビゲーションのための遡及的修正視覚言語ナビゲーション2026/2/1
視覚言語ナビゲーションにおける模倣学習の誤差蓄積問題に対し、過去の有効な状態から修正軌道を合成するオンラインフレームワークBudVLNを提案し、R2R-CEとRxR-CEで最高性能を達成した。
- ActiveVLA: 能動的知覚を視覚-言語-行動モデルに統合した高精度3DロボットマニピュレーションVLA2026/1/1
静的な手首カメラに頼る従来のVLAモデルに対し、重要領域の特定と能動的な視点選択・3Dズームインを行う2段階の枠組みを導入し、長期的・微細な操作精度を向上させた。
- シュレーディンガーのナビゲーター:ゼロショット物体ナビゲーションのための未来集合の想像ナビゲーション2025/12/1
軌道条件付き3D世界モデルで複数の未来を想像し、不確実性を考慮してゼロショット物体ナビゲーションを行う手法を提案。
- 時空間認識を組み込んだ視覚運動拡散ポリシー学習VLA2025/7/1
動的ガウス世界モデルを用いて3D空間・4D時空間認識を拡散ポリシーに組み込み、シミュレーションと実機で成功率を向上させた視覚模倣学習手法。
- LLM駆動の空間推論によるオープンボキャブラリ3D視覚グラウンディングのためのニューラル表現フレームワーク3D視覚グラウンディング2025/7/1
大規模言語モデルで言語クエリの空間関係を推論し、視覚特性を強化した階層的特徴場を構築することで、自由記述の指示から3D空間内の対象物体を高精度に特定する手法を提案。
- TriVLA: エピソード的世界モデリングを備えた三システム統合型視覚-言語-行動モデルによる汎用ロボット制御VLA2025/7/1
エピソード記憶の概念を取り入れ、VLMによるマルチモーダル理解と動画拡散モデルによる時系列予測、フローマッチングによる行動生成を統合した三システム構成のVLAモデルを提案し、実世界のマニピュレーションタスクで高い性能を示した。
