Chang Huang
Horizon Robotics
収録論文 12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
- 高次行動監督による強力な方策クラス模倣学習/強化学習2026/10/8
模倣学習や強化学習において、0次(行動ラベル)だけでなく1次(行動の時間変化)も同時に監督する損失を提案し、既存の方策モデルに構造変更なしで組み込めるようにした。連続制御タスクで性能とロバスト性が大幅に向上。
- TRIG: 軌道とリグを分離したメトリック幾何学習自動運転/幾何学習2026/7/1
自動運転のためのカメラ姿勢を自己軌道とカメラリグに分解し、それぞれを別々に学習する幾何認識フレームワークを提案。姿勢推定・深度予測・3D再構成でSOTAを達成。
- DiffAD: 自動運転のための統合拡散モデリング手法自動運転2025/3/1
自動運転の知覚・予測・計画を拡散確率モデルで統合し、BEV画像生成として扱うことでタスク調整を改善した手法。
- 全方位マルチオブジェクト追跡マルチオブジェクト追跡2025/3/1
パノラマ画像の歪みに対応したOmniTrackを提案し、四足ロボットによる新データセットQuadTrackを構築して全方位追跡の性能を向上させた。
- Senna: 大規模視覚言語モデルとEnd-to-End自動運転の橋渡し自動運転/VLA2024/10/1
LVLMが自然言語で高レベル計画を立て、End-to-Endモデルが精密な軌道を予測する自動運転システムSennaを提案。DriveX事前学習とnuScenes微調整で計画誤差と衝突率を大幅削減した。
- 重要なものに集中:視覚ベース強化学習の汎化のための分離モデル強化学習/汎化2024/10/1
画像再構成を活用しつつ、タスク関連・無関連の表現を分離する2分岐モデルと一貫性損失で、未知環境への汎化性能を高める手法SMGを提案。
- MapTRv2: オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワーク自動運転/HDマップ2023/8/1
地図要素を点集合としてモデル化し、階層的クエリ埋め込みと二部マッチングでオンラインにベクトル化HDマップを構築するエンドツーエンド手法を提案。
- VAD: 自動運転のための効率的なベクトル化シーン表現自動運転/計画2023/3/1
自動運転のシーンを完全にベクトル化して表現し、安全性と効率を両立させたエンドツーエンド計画手法を提案。nuScenesで衝突率を29%削減し、2.5倍高速化を実現。
- レーングラフをパスとして:連続性を保つパス単位モデリングによるオンラインレーングラフ構築自動運転/レーングラフ2023/3/1
レーングラフを画素や断片ではなく連続したパスとしてモデル化し、Path2Graphアルゴリズムでグラフを復元するLaneGAPを提案。nuScenesやArgoverse2で従来手法を上回る精度と効率を達成した。
- 知覚・相互作用・予測:動的・静的手がかりを学習するエンドツーエンド運動予測運動予測2022/12/1
地図・物体検出・運動予測をTransformerで統合し、高精度地図や追跡軌跡なしでエンドツーエンドのマルチエージェント運動予測を実現した研究。
- MapTR: オンラインベクトル化HDマップ構築のための構造的モデリングと学習自動運転/HDマップ2022/8/1
カメラ入力から高精度地図をリアルタイムにベクトル化して構築するTransformerベースの手法を提案し、nuScenesで最高精度と高速性を達成した。
- 統一畳み込みネットワークによる高性能ビジュアル物体追跡物体追跡2019/8/1
特徴抽出と追跡処理を畳み込み演算として統合しエンドツーエンドで学習する追跡器UCTを提案。PNR基準の効率的なモデル更新とスケール分岐により、リアルタイム以上の速度で主要ベンチマークの最高性能を達成した。
