HOID-R1: Reinforcement Learning for Open-World Human-Object Interaction Detection Reasoning with Multimodal Large Language Model
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhang, Zhenhao, Wang, Hanqing, Zeng, Xiangyu, Cheng, Ziyu, Liu, Jiaxin, Yan, Haoyu, Liu, Zhirui, Ji, Kaiyang, Gui, Tianxiang, Hu, Ke, Chen, Kangyi, Fan, Yahao, Pan, Mokai |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
DAG: Unleash the Potential of Diffusion Model for Open-Vocabulary 3D Affordance Grounding
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
Commanding Humanoid by Free-form Language: A Large Language Action Model with Unified Motion Vocabulary
di: Liu, Zhirui, et al.
Pubblicazione: (2025)
di: Liu, Zhirui, et al.
Pubblicazione: (2025)
DreamPolicy: A Unified World-model Policy for Scalable Humanoid Locomotion
di: Fan, Yahao, et al.
Pubblicazione: (2025)
di: Fan, Yahao, et al.
Pubblicazione: (2025)
OpenHOI: Open-World Hand-Object Interaction Synthesis with Multimodal Large Language Model
di: Zhang, Zhenhao, et al.
Pubblicazione: (2025)
di: Zhang, Zhenhao, et al.
Pubblicazione: (2025)
SDEval: Safety Dynamic Evaluation for Multimodal Large Language Models
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis
di: Ji, Kaiyang, et al.
Pubblicazione: (2025)
di: Ji, Kaiyang, et al.
Pubblicazione: (2025)
DiscoForcing: A Unified Framework for Real-Time Audio-Driven Character Control with Diffusion Forcing
di: Ji, Kaiyang, et al.
Pubblicazione: (2026)
di: Ji, Kaiyang, et al.
Pubblicazione: (2026)
Beyond Open Vocabulary: Multimodal Prompting for Object Detection in Remote Sensing Images
di: Yang, Shuai, et al.
Pubblicazione: (2026)
di: Yang, Shuai, et al.
Pubblicazione: (2026)
Adaptive Mobile Manipulation for Articulated Objects In the Open World
di: Xiong, Haoyu, et al.
Pubblicazione: (2024)
di: Xiong, Haoyu, et al.
Pubblicazione: (2024)
C2F-Thinker: Coarse-to-Fine Reasoning with Hint-Guided Reinforcement Learning for Multimodal Sentiment Analysis
di: Luo, Miaosen, et al.
Pubblicazione: (2026)
di: Luo, Miaosen, et al.
Pubblicazione: (2026)
Open-World Human-Object Interaction Detection via Multi-modal Prompts
di: Yang, Jie, et al.
Pubblicazione: (2024)
di: Yang, Jie, et al.
Pubblicazione: (2024)
Human-Object Interaction via Automatically Designed VLM-Guided Motion Policy
di: Deng, Zekai, et al.
Pubblicazione: (2025)
di: Deng, Zekai, et al.
Pubblicazione: (2025)
Distributional Reinforcement Learning with Diffusion Bridge Critics
di: Ding, Shutong, et al.
Pubblicazione: (2026)
di: Ding, Shutong, et al.
Pubblicazione: (2026)
OVExp: Open Vocabulary Exploration for Object-Oriented Navigation
di: Wei, Meng, et al.
Pubblicazione: (2024)
di: Wei, Meng, et al.
Pubblicazione: (2024)
Relational Semantic Reasoning on 3D Scene Graphs for Open World Interactive Object Search
di: Mahdi, Imen, et al.
Pubblicazione: (2026)
di: Mahdi, Imen, et al.
Pubblicazione: (2026)
ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning
di: Ding, Shengyuan, et al.
Pubblicazione: (2025)
di: Ding, Shengyuan, et al.
Pubblicazione: (2025)
A Novel Deep Reinforcement Learning Approach for Dynamic Proportional‐Integral Control in Scanning Probe Microscopy
di: Ziwei Wei, et al.
Pubblicazione: (2025)
di: Ziwei Wei, et al.
Pubblicazione: (2025)
Contextual Object Detection with Multimodal Large Language Models
di: Zang, Yuhang, et al.
Pubblicazione: (2023)
di: Zang, Yuhang, et al.
Pubblicazione: (2023)
PICTS: A Novel Deep Reinforcement Learning Approach for Dynamic P-I Control in Scanning Probe Microscopy
di: Wei, Ziwei, et al.
Pubblicazione: (2025)
di: Wei, Ziwei, et al.
Pubblicazione: (2025)
RIVER: A Real-Time Interaction Benchmark for Video LLMs
di: Shi, Yansong, et al.
Pubblicazione: (2026)
di: Shi, Yansong, et al.
Pubblicazione: (2026)
Towards 3D Objectness Learning in an Open World
di: Liu, Taichi, et al.
Pubblicazione: (2025)
di: Liu, Taichi, et al.
Pubblicazione: (2025)
Hand-Object Interaction Controller (HOIC): Deep Reinforcement Learning for Reconstructing Interactions with Physics
di: Hu, Haoyu, et al.
Pubblicazione: (2024)
di: Hu, Haoyu, et al.
Pubblicazione: (2024)
Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
di: Wang, Hanqing, et al.
Pubblicazione: (2025)
UniHM: Unified Dexterous Hand Manipulation with Vision Language Model
di: Zhang, Zhenhao, et al.
Pubblicazione: (2026)
di: Zhang, Zhenhao, et al.
Pubblicazione: (2026)
Approximate Subgraph Matching with Neural Graph Representations and Reinforcement Learning
di: Li, Kaiyang, et al.
Pubblicazione: (2026)
di: Li, Kaiyang, et al.
Pubblicazione: (2026)
Domain-Hierarchy Adaptation via Chain of Iterative Reasoning for Few-shot Hierarchical Text Classification
di: Ji, Ke, et al.
Pubblicazione: (2024)
di: Ji, Ke, et al.
Pubblicazione: (2024)
R-C2: Cycle-Consistent Reinforcement Learning Improves Multimodal Reasoning
di: Zhang, Zirui, et al.
Pubblicazione: (2026)
di: Zhang, Zirui, et al.
Pubblicazione: (2026)
ClickAIXR: On-Device Multimodal Vision-Language Interaction with Real-World Objects in Extended Reality
di: Khan, Dawar, et al.
Pubblicazione: (2026)
di: Khan, Dawar, et al.
Pubblicazione: (2026)
AffectGPT-R1: Leveraging Reinforcement Learning for Open-Vocabulary Multimodal Emotion Recognition
di: Lian, Zheng, et al.
Pubblicazione: (2025)
di: Lian, Zheng, et al.
Pubblicazione: (2025)
Learning Interactive World Model for Object-Centric Reinforcement Learning
di: Feng, Fan, et al.
Pubblicazione: (2025)
di: Feng, Fan, et al.
Pubblicazione: (2025)
MineWorld: a Real-Time and Open-Source Interactive World Model on Minecraft
di: Guo, Junliang, et al.
Pubblicazione: (2025)
di: Guo, Junliang, et al.
Pubblicazione: (2025)
Recall, Retrieve and Reason: Towards Better In-Context Relation Extraction
di: Li, Guozheng, et al.
Pubblicazione: (2024)
di: Li, Guozheng, et al.
Pubblicazione: (2024)
Visionary-R1: Mitigating Shortcuts in Visual Reasoning with Reinforcement Learning
di: Xia, Jiaer, et al.
Pubblicazione: (2025)
di: Xia, Jiaer, et al.
Pubblicazione: (2025)
Enhancing Event-based Object Detection with Monocular Normal Maps
di: Liu, Mingjie, et al.
Pubblicazione: (2025)
di: Liu, Mingjie, et al.
Pubblicazione: (2025)
GeoArena: Evaluating Open-World Geographic Reasoning in Large Vision-Language Models
di: Jia, Pengyue, et al.
Pubblicazione: (2025)
di: Jia, Pengyue, et al.
Pubblicazione: (2025)
Deterministic Single Exponential Time Algorithms for Co-Path Packing and Co-Path Set Parameterized by Treewidth
di: Liu, Yuxi, et al.
Pubblicazione: (2026)
di: Liu, Yuxi, et al.
Pubblicazione: (2026)
Transfer Learning Analysis of the Cox Mixture Model
di: Kangyi Liu, et al.
Pubblicazione: (2026)
di: Kangyi Liu, et al.
Pubblicazione: (2026)
Open-Reasoner-Zero: An Open Source Approach to Scaling Up Reinforcement Learning on the Base Model
di: Hu, Jingcheng, et al.
Pubblicazione: (2025)
di: Hu, Jingcheng, et al.
Pubblicazione: (2025)
VideoAfford: Grounding 3D Affordance from Human-Object-Interaction Videos via Multimodal Large Language Model
di: Wang, Hanqing, et al.
Pubblicazione: (2026)
di: Wang, Hanqing, et al.
Pubblicazione: (2026)
Reinforcing Multimodal Reasoning Against Visual Degradation
di: Liu, Rui, et al.
Pubblicazione: (2026)
di: Liu, Rui, et al.
Pubblicazione: (2026)
Documenti analoghi
-
DAG: Unleash the Potential of Diffusion Model for Open-Vocabulary 3D Affordance Grounding
di: Wang, Hanqing, et al.
Pubblicazione: (2025) -
Commanding Humanoid by Free-form Language: A Large Language Action Model with Unified Motion Vocabulary
di: Liu, Zhirui, et al.
Pubblicazione: (2025) -
DreamPolicy: A Unified World-model Policy for Scalable Humanoid Locomotion
di: Fan, Yahao, et al.
Pubblicazione: (2025) -
OpenHOI: Open-World Hand-Object Interaction Synthesis with Multimodal Large Language Model
di: Zhang, Zhenhao, et al.
Pubblicazione: (2025) -
SDEval: Safety Dynamic Evaluation for Multimodal Large Language Models
di: Wang, Hanqing, et al.
Pubblicazione: (2025)