机器人学习研究者，OpenVLA、RT-1 共同作者，研究兴趣包括深度强化学习、视觉与机器人操作。
Quan Vuong 的研究涉及机器人学习、深度强化学习与计算机视觉。他曾在加州大学圣迭戈分校攻读博士，导师为 Henrik Christensen 和 Hao Su。OpenVLA 项目列出的 2024 年署名机构为 Physical Intelligence。
他的研究从机器人遥操作延伸至通用操作策略：单 RGB-D 相机遥操作工作探索降低人类示范数据的采集门槛，RT-1 与 OpenVLA 则研究如何把多任务机器人数据用于统一的行动模型。三项工作分别涉及数据采集、策略规模化和视觉语言模型向机器人控制的迁移。
这些工作围绕机器人学习的数据与泛化问题展开：遥操作系统帮助采集人类示范，RT-1 研究跨任务策略训练，OpenVLA 提供开放的模型与适配路径。其效果需要结合各论文评估的机器人和任务范围理解。
2024
共同作者。研究如何结合预训练视觉语言模型与机器人示范，形成可微调的视觉语言动作模型，并公开模型与训练工具。
暂未收录引用统计
2021
第一作者。提出以单台 RGB-D 相机捕捉操作者动作的遥操作系统，利用斜坐标系、动态运动缩放等方法完成多种机器人操作任务。
暂未收录引用统计
2022
共同作者。通过多任务真实机器人数据训练 Transformer 策略，考察数据规模、多样性及模型设计对泛化的影响。
暂未收录引用统计
在文章或论文中关联此人
[Quan Vuong](/people/quan-vuong)