Daeun Song
収録論文 22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
- 行動に基づく視覚トークン枝刈りでVLAモデルを高速化するActPruneVLA2026/11/6
ロボットの前回行動から得られる幾何学的事前情報を使い、視覚エンコーダ前で視覚トークンを枝刈りする学習不要の手法を提案し、成功率をほぼ保ちつつ最大1.61倍の高速化を実現した。
- 本当に重要なのは何か?BEHAVIOR-1Kにおけるπ0.5の推論設定のペア評価VLA2026/10/27
BEHAVIOR-1Kの全100タスクでVLAモデルπ0.5の推論・データ収集戦略を体系的にペア評価し、既存戦略が新しい環境やタスクに一様には転用できないことを示した。
- 接触因子分解による接触を考慮した模倣学習模倣学習2026/10/7
接触力を正規化された接触相対座標で表現し、接触法線と摩擦を推定することで、未知の接触条件でも方策を更新せずに接触の多い操作を適応させる模倣学習フレームワークFACEを提案。
- Hydra: 離散潜在プランニングと連続フローマッチング実行を備えたナビゲーション世界行動モデルナビゲーション2026/8/29
世界モデルを用いたロボットナビゲーションのリアルタイム制御を実現するため、プランナーをモデル内部に統合し、離散潜在空間でのプランニングと連続軌道生成を組み合わせたHydraを提案した。
- HumAIN: 人間を考慮した暗黙的ソーシャルロボットナビゲーションナビゲーション2026/7/1
歩行や姿勢などの骨格情報を暗黙の社会的合図として捉え、知識蒸留により軽量モデルでリアルタイムに人間らしいナビゲーションを実現するフレームワークを提案した。
- ACME: 多文化・多形態の社会的ナビゲーションデータセットデータセット2026/7/1
ロボットと人間の共有空間での移動を理解するため、5カ国8拠点で7種類のロボットを用いて収集した、多文化・多形態の社会的ナビゲーションデータセットを紹介する。
- E-SocialNav: 言語モデルを用いた効率的な社会的規範準拠ナビゲーションナビゲーション2026/3/1
ロボットナビゲーションにおける社会的規範遵守を評価し、小型データセットで訓練した効率的な言語モデルE-SocialNavを提案。GPT-4o等の大規模モデルより高速で、社会的行動生成性能が高い。
- 脚は腕より重要:ロボットの一人称視点による人間軌道予測における下半身姿勢の予測価値軌道予測2026/2/1
ロボットの一人称視点から人間の骨格特徴を用いて軌道予測を行い、下半身の3Dキーポイントが予測精度を13%向上させることを示した研究。
- MAction-SocialNav: 推論強化プロンプトチューニングによる複数行動対応の社会的配慮ナビゲーションナビゲーション2025/12/1
社会的に配慮したナビゲーションにおいて、1つの状況で複数の妥当な行動が存在する曖昧さに対応するため、視覚言語モデルとメタ認知プロンプトを提案し、複数行動データセットと評価指標を構築した研究。
- Verti-Arena:マルチテランのオフロード自律走行のための制御可能で標準化された屋内テストベッドオフロード自律走行2025/8/1
オフロード自律走行研究のための再構成可能な屋内テストベッドを提案し、遠隔実験用のWebインターフェースも開発した。
- MOSU: マルチモーダルシーン理解による自律長距離ロボットナビゲーションナビゲーション2025/7/1
LiDAR・画像セグメンテーション・視覚言語モデルを統合し、社会的規範も考慮した屋外長距離自律ナビゲーションシステムを実現した。
- Narrate2Nav: 人間中心環境における暗黙的言語推論を用いたリアルタイム視覚ナビゲーションナビゲーション2025/6/1
大規模視覚言語モデルの推論を潜在空間に埋め込み、RGB入力から低レベル動作コマンドを生成するリアルタイム視覚-行動モデルを提案。人間中心環境でのナビゲーション性能を大幅に向上させた。
- AutoSpatial: 効率的な空間推論学習による社会的ロボットナビゲーションのための視覚言語推論VLA2025/3/1
大規模視覚言語モデルの空間理解を、自動ラベリングしたVQAデータと2段階の階層的学習で強化し、社会的ロボットナビゲーションの知覚・予測・推論・行動・説明を改善する手法を提案。
- Social-LLaVA:人間的言語推論による社会的空間でのロボットナビゲーション強化VLA2025/1/1
人とロボットの社会的インタラクション4万件のVQAデータセットSNEIを作成し、VLMを微調整したSocial-LLaVAで社会的に配慮したロボットナビゲーションを実現した。
- GND: 屋外キャンパス環境におけるマルチモーダル知覚と多カテゴリ走行可能性を備えたグローバルナビゲーションデータセットナビゲーション2024/9/1
10の大学キャンパスから3D LiDAR点群・RGB/360度画像と歩道・車道・階段・オフロード・障害物の走行可能性マップを収集し、地図ベース/地図なしナビゲーションや場所認識に応用可能な大規模データセットを構築した。
- VL-TGS: 視覚言語モデルを用いたマップレス屋外環境における軌道生成と選択ナビゲーション2024/8/1
マップレス屋外環境で、走行可能性制約を満たし人間らしい経路を生成するため、CVAEと視覚言語モデルを組み合わせた軌道生成・選択手法を提案した。
- VLM-Social-Nav: 視覚言語モデルによるスコアリングを用いた社会的配慮型ロボットナビゲーションナビゲーション2024/4/1
視覚言語モデル(VLM)を活用し、人間中心環境で社会的に適切なロボット動作をリアルタイムに決定するナビゲーション手法を提案。実環境4シナリオで成功率と衝突回避が改善し、ユーザ評価でも社会的配慮が高いと評価された。
- DTG:拡散モデルによる地図なし屋外ナビゲーションのための軌道生成ナビゲーション2024/3/1
拡散モデルと条件付きRNNを用いて、地図のない屋外環境で障害物や未舗装路を避けつつ目的地までの走行距離を抑えた軌道を生成する手法を提案し、実機実験で走行距離と走破性の改善を確認した。
- TSP-Bot:高自由度マニピュレータによるロボットTSPペンアートマニピュレーション2022/10/1
巡回セールスマン問題を解いて画像を線画に変換し、単腕・双腕マニピュレータと移動台車で複雑な多色ペン画を描くロボットシステムを提案。
- 筆致ベースレンダリングとロボット描画のための計画手法マニピュレーション2022/10/1
画像分割と奥行き推定に基づく筆致ベースレンダリングで、人間の画家の描画過程を模した順序でロボットが芸術的な線画を描くシステムを提案した。
- L1ノルム最小化による実現可能性問題としての足置き計画歩行計画2020/11/1
混合整数計画として定式化される足置き計画を、計算効率の良いL1ノルム最小化問題に近似するSL1Mを提案し、サンプリングベースの軌道計画と組み合わせて高速化を実現した。
- SL1M: 不整地における接触計画のためのスパースL1ノルム最小化接触計画2019/9/1
脚式ロボットの接触選択問題をL1ノルムのスパース性を利用して線形計画問題に緩和し、混合整数最適化より50〜100倍高速に接触計画を立てる手法を提案した。
