Zongyuan Ge
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
- LLaVA-OneVision-2:次世代知覚知能に向けてVLA2026/5/25
動画を圧縮ビットストリームとして扱い、適応的な時間グループと空間的証拠の選択によりトークン予算を効率的に配分する新しい視覚言語モデルを提案。大規模なオープン監視データで学習し、動画理解や時間的・空間的接地、操作トレース推論などで高性能を達成。
- 二値的成功を超えて:細粒度操作のための診断的メタ評価フレームワーク評価/操作2026/5/1
細粒度操作の能力を理解・知覚・制御行動の3軸に分解し、従来の二値的成功率では隠れる次元別の失敗を明らかにする診断的メタ評価フレームワークMetaFineを提案した。
- RationalVLA:デュアルシステムを備えた合理的視覚言語行動モデルVLA2025/6/1
曖昧・不可能な指示を拒否しつつ、実行可能な指示に基づくロボットアーム操作を行う二重システムの視覚言語行動モデルを提案し、新ベンチマークRAMAで評価した。
- PD-VLA: 並列デコーディングによるアクションチャンキング統合VLAモデルの高速化VLA2025/3/1
アクションチャンキングを統合したVLAモデルの推論を並列固定点反復で高速化するPD-VLAを提案し、成功率を維持しつつ実行周波数を2.52倍に向上させた。
- MoRE: 四足歩行ロボットの視覚-言語-行動モデルにおける強化学習のスケーラビリティを解き放つVLA2025/3/1
四足歩行ロボット向けに、複数の低ランク適応モジュールを専門家として組み込んだスパース活性化の混合エキスパート型VLAモデルを提案し、強化学習で混合品質データから効率的に学習することで多様なタスク性能と汎化性を実現した。
- SurgicalPart-SAM:手術器具セグメンテーションのための部分-全体協調プロンプティング手術器具セグメンテーション2023/12/1
手術器具をカテゴリと部品のテキストで協調的にプロンプトし、SAMを効率的に微調整することで、器具の構造と細部を捉えた高精度なセグメンテーションを実現した。
- リカレントニューラルネットワークを用いた連続体ロボットのモデルレス能動コンプライアンス連続体ロボット/コンプライアンス2019/2/1
連続体ロボットの能動コンプライアンスを、複雑な力学モデルを使わずリカレントニューラルネットワークで実現し、外力への迅速な応答と未知環境への柔軟な進入を実験で示した。
- 敵対的識別による視覚運動方策のsim-to-real転移sim2real2017/9/1
ラベル付き実画像を必要とせず、敵対的学習でシミュレーションから実環境へ視覚運動方策を転移し、ラベル付き実データ要件を半減させた。
