Zhiqi Li
収録論文 10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
- VFlash:フラッシュプリミティブデコーディングによる高速で正確な視覚計画視覚計画2026/11/5
視覚プリミティブの座標を軽量ドラフタで一括予測し、自己回帰生成より約25倍高速かつ高精度にロボット軌道計画を生成する手法を提案。
- 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。
- 外洋から密閉キャビンへ:海事認識とキャビン点検のためのクロスシーン視覚場所認識ProteusVPR視覚場所認識2026/6/1
船舶環境での視覚場所認識の課題に対し、2段階の検索・精密化フレームワークProteusVPRを提案し、新しい船舶搭載データセットXHZで精度を大幅に向上させた。
- Cosmos 3: 物理AIのための全モーダル世界モデルVLA2026/6/1
言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。
- 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。
- GR00T N1: 汎用人型ロボットのためのオープン基盤モデルVLA2025/3/1
視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。
- FB-OCC: 前後方向ビュー変換に基づく3D占有予測3D占有予測2023/7/1
自動運転向けの3D占有予測タスクにおいて、前後方向のビュー変換を用いたFB-BEVを基盤に、深度とセマンティクスの事前学習やボクセル-BEV表現の統合などで精度を高め、nuScenesで首位となるmIoU 54.19%を達成した。
- 3K-H-Vトポロジーに基づく新型ロボット駆動機構の試作設計と効率解析ロボット駆動機構2022/10/1
インボリュート歯車とサイクロイド歯車を組み合わせた3K-H-Vトポロジーの遊星サイクロイド駆動を設計し、中空構造・コンパクトサイズ・高トルク密度を実験で確認した。
- 鳥瞰図知覚の難所を探る:レビュー・評価・実践レシピBEV知覚2022/9/1
自動運転向けの鳥瞰図(BEV)知覚について、視点変換やアノテーション、マルチセンサ融合などの課題を整理し、産業界の設計例や性能向上の実践ガイドをまとめたサーベイ。
