Chenghao Shi
収録論文 9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
- G²WAM: 効率的で幾何学的に基盤を持つ画像ゴールナビゲーションのためのワールドアクションモデルナビゲーション2026/10/12
シーン座標定位で空間手がかりを学習し、潜在空間で将来状態と行動を同時予測するワールドアクションモデルにより、3D再構成なしで画像ゴールナビゲーションを効率化した研究。
- GeoLoco: 視覚基盤モデルの3D幾何学的先験知識を活用したRGBのみによる頑健な人型ロコモーション歩行2026/3/1
深度センサーに頼らず、単眼RGB画像と視覚基盤モデルの幾何学的先験知識を用いて、シミュレーションのみで訓練した人型ロボットの歩行制御を実現し、実機へのゼロショット転送を可能にした。
- 代表潜在世界モデルによる効率的な画像ゴールナビゲーションナビゲーション2025/11/1
ピクセル再構成を避け、DINOv3の意味表現空間内で予測と計画を行う世界モデルを提案し、画像ゴールナビゲーションを高効率化した。
- BEVDiffLoc: 拡散モデルに基づくBEVビューでのエンドツーエンドLiDARグローバル位置推定位置推定2025/3/1
LiDARのグローバル位置推定をポーズの条件付き生成として定式化し、BEV表現と拡散モデルを組み合わせてエンドツーエンドで高精度・高ロバストな位置推定を実現した研究。
- 洗練された特徴ガイダンスとシーングラフ強化による画像ゴールナビゲーションナビゲーション2025/3/1
限られた画像データから目標・観測・環境の細かな関連を活かし、軽量なアーキテクチャで画像ゴールナビゲーションを実現する手法RFSGを提案。空間チャネルアテンションと自己蒸留、画像シーングラフにより特徴表現を強化し、GibsonとHM3Dで最先端性能を達成。
- SGLC: 意味グラフ誘導による粗密精緻化フルループクロージングLiDAR SLAMSLAM2024/7/1
LiDAR SLAMにおいて、前景の意味グラフと背景の幾何情報を組み合わせ、粗→密→精緻のレジストレーションでループ検出と6DoF姿勢推定を高精度・リアルタイムに行う手法を提案。
- 拡散モデルによるミリ波レーダー点群の超解像点群超解像2024/4/1
ミリ波レーダーの疎でゴースト点を含む点群を、LiDAR点群を教師として拡散モデルで高密度化する手法を提案し、下流の位置合わせタスクへの有効性も示した。
- LiDAR SLAMのための高速・高精度な深層ループ閉じ込みと再定位SLAM2023/9/1
LiDARスキャン間の類似度と6DoF姿勢を推定するマルチヘッドネットワークLCR-Netを提案し、ループ閉じ込みと再定位を統合したSLAMシステムで高精度なオンライン動作を実現した。
- RDMNet: 自動運転のための信頼性の高い密マッチングに基づく点群位置合わせ点群位置合わせ2023/3/1
3D-RoFormerで信頼できるスーパーポイント対応を抽出し、それを密な点対応に伝播させることで、自動運転向けの高精度な点群位置合わせを実現した。
