Bing Wang
The Hong Kong Polytechnic University
収録論文 32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
- Xiaomi Auto World Model 2.0:実世界運転と身体性知能のための因果世界モデル世界モデル2026/11/1
マルチビュー時系列から3Dガウシアンを再構成し、因果的な物理進化を生成する統合ストリーミング世界モデルを提案。運転や身体性AIの閉ループシミュレーションに応用する。
- EmbodiExp:身体性エージェントのための合成可能な経験転移VLA2026/10/29
サブゴール単位で検証可能な経験を構築し、実行中にオンラインで組み合わせることで、タスク間の経験転移と失敗の活用を可能にするフレームワークを提案。
- 検索関連性を超えて:視覚言語運転のためのシーン接地型リスク含意VLA2026/9/28
運転シーンの知覚事実から知識グラフとSWRL推論でリスク関係を導出し、VLMと拡散プランナーの判断を条件付けることで、検索ベースの安全知識より計画安全性を向上させた。
- 効果的かつ効率的な身体性探索のための能動的空间検査身体性探索2026/9/18
身体性探索において、空間的に明示的な検査に基づく知覚と移動を組み合わせたACEフレームワークを提案し、早期終了と過剰継続のトレードオフを緩和してナビゲーション成功率と探索効率を向上させた。
- GPOcc++: 視覚幾何学事前情報を用いた統合スパースガウス占有予測3Dシーン理解2026/7/15
視覚幾何学の事前情報を占有予測に適したスパースガウス表現に変換し、多視点・時系列を統一的に扱う3Dシーン理解手法GPOcc++を提案した。屋内・屋外のベンチマークで高い性能と効率性を示した。
- 深層学習によるマルチラベル画像分類の再考:分類体系、課題、展望画像分類2026/7/1
深層学習を用いたマルチラベル画像分類(MLIC)の包括的なサーベイ論文であり、手法を6つのグループに分類し、課題と将来の研究方向をまとめている。
- 空間認識型ワールドアクションモデルによる身体化ナビゲーションナビゲーション2026/6/1
視覚ナビゲーションのための世界モデルベースのプランナーを改良し、開始と目標のRGB観測から中間のRGB-Dシーケンスと行動軌跡を同時生成するSWAMを提案。単眼RGB入力のみで高精度なナビゲーションを実現した。
- R$^3$L: 相対空間関係からの3Dレイアウト推論3Dレイアウト生成2026/5/1
3Dレイアウト生成における相対空間推論の信頼性と一貫性を向上させるフレームワークを提案。多段階推論での誤差蓄積を防ぐため、不変空間分解と一貫性のある空間想像を導入し、物理的に実現可能で意味的に一貫したレイアウトを生成する。
- PhysInOne: 一つのスイートで実現する視覚物理の学習と推論データセット/物理推論2026/4/1
物理現象を捉えた大規模合成動画データセットPhysInOneを構築し、物理に基づく映像生成や将来予測、物理特性推定などの性能向上を示した。
- UniDriveVLA:自動運転のための理解・知覚・行動計画の統合自動運転/VLA2026/4/1
自動運転向けのVLAモデルにおいて、空間知覚と意味推論の競合を解消するため、Mixture-of-Transformersによる専門家分離を導入した統合モデルUniDriveVLAを提案し、nuScenesとBench2Driveで最先端性能を達成した。
- Xiaomi OneVL: ワンステップ潜在推論と視覚言語説明によるプランニング自動運転/VLA2026/4/1
自動運転のVLAモデルにおいて、潜在推論を視覚世界モデルで強化し、明示的CoTを超える精度を実現しつつ、推論速度を回答のみの予測と同等に高速化したフレームワークを提案した。
- MindDrive: オンライン強化学習による自動運転向け視覚言語行動モデルVLA2025/12/1
自動運転VLAの課題を解決するため、LLMに2種類のLoRAを組み合わせ、離散的な言語決定に対してオンライン強化学習を行うフレームワークを提案した。
- MiMo-Embodied: クロス身体性基盤モデル技術報告VLA2025/11/1
自動運転と身体性AIを統合した初のクロス身体性基盤モデルを開発し、両分野で最先端性能を達成した。
- HANDO: 階層型自律ナビゲーションと器用な全身移動操作移動操作2025/10/1
脚式ロボットが自律探索で目標物体まで移動し、全身制御で飲み物を渡すなどの操作を行う2層フレームワークを提案した。
- DriveMRP: 合成モーションデータによる視覚言語モデルのモーションリスク予測強化自動運転2025/7/1
BEVベースのシミュレーションで高リスクな運転モーションデータを合成し、視覚言語モデルのリスク予測性能を大幅に向上させるフレームワークを提案した。
- 運動整合したRGBとイベント手がかりによるラベル不要の長期的3次元UAV軌道予測UAV軌道予測2025/7/1
LiDAR点群から教師なしで抽出した軌道をカメラ画像と運動整合させて疑似ラベルを生成し、視覚Mambaネットワークと運動学的推定を自己教師ありで組み合わせてドローンの将来3D軌道を予測する手法を提案。手動ラベルなしで5秒先の3D誤差を約40%削減した。
- ReCogDrive:強化学習型認知フレームワークによるエンドツーエンド自動運転自動運転/VLA2025/6/1
VLMの運転知識を拡散プランナに注入し、DiffGRPOで安全性を強化する自動運転フレームワークを提案。NAVSIMとBench2Driveで最先端性能を達成。
- Uni-Gaussians: ガウス表現による動的運転シーン向けカメラ・LiDAR統合シミュレーションsim2real2025/3/1
ガウスプリミティブを用いて、画像はラスタライズ、LiDARはガウスレイトレーシングで描画することで、動的運転シーンのカメラとLiDARデータを統一的かつ高速にシミュレーションする手法を提案した論文。
- NeuV-SLAM: RGBD高密度SLAMのための高速ニューラル多解像度ボクセル最適化SLAM2024/2/1
RGBD画像から多解像度ニューラルボクセルを構築し、SDFボクセルと新たなハッシュ管理構造により高速収束と逐次拡張を実現した高密度SLAM手法を提案。
- Drone-NeRF: 大規模ドローン測量のための効率的なNeRFベース3Dシーン再構成3D再構成/NeRF2023/8/1
ドローン斜め撮影画像から大規模な3Dシーンを再構成するため、シーンをカメラ位置と深度可視性に基づいて分割し、NeRFを並列学習して統合するフレームワークを提案した。
- GrowSP: 3D点群の教師なしセマンティックセグメンテーション3D点群セグメンテーション2023/5/1
人間のラベルや事前学習モデルを使わず、スーパーポイントを段階的に成長させて3D点群の意味的分割を実現する初の完全教師なし手法を提案。
- ロボット制御とスキル学習の分離による汎用的な物体操作マニピュレーション2023/3/1
強化学習で「何をするか」を学び、全身運動制御で「どうやるか」を解くことで、未知の物体操作への汎化性能を高めた手法を提案。
- 異なる幾何特徴を持つ物体への転移強化学習によるロボット組立制御の再構成マニピュレーション2022/11/1
組立対象の幾何特徴が変わっても既存のコンプライアンス制御器を再利用できるよう、等価コンプライアンス則理論でモデルパラメータを再構成し、重み付き次元方策蒸留で強化学習エージェントを転移する手法を提案した。
- DM-NeRF: 2D画像からの3Dシーン幾何分解と操作NeRF/3D再構成2022/8/1
NeRFを用いて2D画像のみから3Dシーン内の物体を分解し、衝突や遮蔽を考慮しつつ自由に操作・再構成できる手法を提案。
- RangeUDF: 点群からの意味的サーフェス再構成3D再構成2022/4/1
任意のトポロジーに対応するレンジ考慮型の符号なし距離場と表面指向の意味分割を組み合わせ、点群から連続的な3D表面の形状と意味を同時に復元する手法を提案した。
- AutoPlace:単一チップ車載レーダによるロバストな場所認識場所認識2021/9/1
低コストな単一チップ車載レーダの点群から動的物体を除去し、時空間特徴を埋め込み、RCSで候補を絞り込むことで、自律走行車の場所認識を高精度化した研究。
- 確率的ニューラルネットワークを用いたグラフベース熱慣性SLAMSLAM2021/4/1
熱画像と慣性センサを組み合わせ、混合密度ネットワークによる特徴抽出とポーズグラフ最適化で、煙や粉塵など視界不良環境でも動作する完全なSLAMシステムを構築した。
- 単一チップミリ波レーダによる未改造ドローンの3次元モーションキャプチャセンシング2020/11/1
プロペラのドップラー信号を利用し、マーカー不要で単一のミリ波レーダからドローンの3次元位置を10Hz・デシメートル精度で推定する深層学習システムを提案した。
- 深層学習による自己位置推定と地図構築のサーベイ:空間機械知能の時代に向けてSLAM2020/6/1
深層学習を用いた自己位置推定・地図構築・SLAMの研究を体系的に整理し、新たな分類法と今後の課題・展望を示した包括的サーベイ。
- PointLoc:LiDAR点群のための深層ポーズ回帰による自己位置推定自己位置推定2020/3/1
単一のLiDAR点群から地図なしで6自由度ポーズを直接推定するPointNet風の自己注意機構付きエンドツーエンド学習フレームワークを提案し、Oxford Radar RobotCarデータセットで高精度な再位置推定を実現した。
- 信頼性に基づく選択的センサフュージョンによる状態推定センサフュージョン2019/12/1
複数センサの潜在特徴の信頼性を評価し、決定的ソフト融合と確率的ハード融合でロバストに軌道・姿勢を推定するSelectFusionを提案した論文。
- DynaNet:運動推定と予測のためのニューラルカルマン動的モデル状態推定2019/8/1
深層学習と時変状態空間モデルを組み合わせ、カルマンフィルタの枠組みで解釈性とロバスト性を保ちながら端到端学習を可能にしたハイブリッドモデルを提案し、視覚オドメトリやセンサ融合、振り子制御で最先端の推定・予測性能を示した。
