Di Feng
ShanghaiTech University
収録論文 17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
- MATE: ヒューマノイド協調データ収集のためのマルチエージェント仮想テレオペレーションプラットフォームテレオペレーション2026/9/22
地理的に分散した複数の操作者が共有物理環境でヒューマノイドを同時遠隔操作できる仮想プラットフォームを構築し、協調動作の大規模データセットを収集した。
- LNN-Fly: タイミング不一致に頑健な障害物回避のための連続時間UAVナビゲーションUAVナビゲーション2026/6/1
LiDARベースのUAV障害物回避において、センサや制御のタイミングずれに頑健な連続時間ナビゲーションポリシーを提案し、シミュレーションと実機で有効性を示した。
- SO-Bench:マルチモーダルLLMの構造化出力評価ベンチマークVLA2025/11/1
UI画面・自然画像・文書・グラフの4領域で、画像からJSONスキーマに沿った構造化出力を生成する能力を評価するベンチマークSO-Benchを構築し、既存モデルの課題を明らかにした。
- FastOcc: 2D鳥瞰図と透視図の融合による3D占有予測の高速化3D占有予測2024/3/1
自動運転向け3D占有予測において、計算コストの高い3D畳み込みを軽量な2D BEV畳み込みと画像特徴の補間で置き換え、精度を保ちつつ推論を高速化した手法を提案。
- 事前情報は強力:2D事前情報でマルチカメラ3D検出のTransformerを改善3D検出2023/1/1
2D画像認識モデルの予測を事前情報として活用し、マルチカメラ3D物体検出のTransformerのクエリ初期化や特徴量を改善することで、精度を最大12%向上させた。
- DeepFusion: LiDAR・カメラ・レーダーを組み合わせる堅牢でモジュール式な3D物体検出器3D物体検出/センサフュージョン2022/9/1
LiDAR・カメラ・レーダーを任意の組み合わせで融合できるモジュール式3D物体検出アーキテクチャを提案し、最大225mの遠方車両検出や悪天候への堅牢性を検証した。
- LiDAR点群から3D物体検出と道路理解を同時に行う簡潔で効率的なマルチタスクネットワーク3D物体検出2021/3/1
生のLiDAR点群を入力とし、3D物体検出と走行可能領域・地面高さ推定など6つの知覚タスクを単一のエンコーダ・デコーダ型ネットワークで同時に予測する手法を提案し、オンライン自己位置推定にも応用した。
- ラベルは完璧ではない:物体検出における空間的不確かさの推定物体検出2020/12/1
LiDAR点群からバウンディングボックスラベルの不確かさを生成モデルで推定し、確率的バウンディングボックスの新表現と不確かさを考慮した評価指標JIoUを提案した論文。
- 自動運転における確率的物体検出のレビューと比較研究物体検出2020/11/1
自動運転向けの不確かさを考慮した物体検出手法を体系的にレビューし、公開データセット上で厳密に比較評価した研究。
- LiDAR点群から物体検出の空間的不確かさを推定する生成モデル物体検出2020/3/1
LiDAR点群からバウンディングボックスの不確かさを推定する生成モデルを提案し、空間分布で表す新しい確率的バウンディングボックス表現と、不確かさを考慮した評価指標Jaccard IoUを導入した論文。
- 不確実性を活用した自動運転向け深層マルチモーダル物体検出マルチモーダル3D検出2020/2/1
LiDARとRGBカメラを統合する確率的深層学習で3D物体検出を行い、分類・回帰の不確実性を明示的にモデル化してサンプリング機構で融合ネットワークを訓練する手法を提案。実環境データセットで最大7%の精度向上と、センサ時刻ずれ時でも最大20%のロバスト性向上を実証した。
- その不確かさを信頼できるか?自動運転向け確率的物体検出器のキャリブレーション物体検出2019/9/1
LiDAR 3D物体検出ネットワークにおける不確かさのキャリブレーション誤差を指摘し、それを大幅に低減する3つの実用的手法を提案した論文。
- 自動運転のための深層マルチモーダル物体検出と意味セグメンテーション:データセット・手法・課題マルチモーダル認識2019/2/1
自動運転におけるカメラ・LiDAR・レーダーなどのマルチモーダル融合による物体検出と意味セグメンテーションの研究を体系的に整理し、融合手法や課題をレビューした論文。
- LiDAR 3D物体検出器の効率的学習のための深層能動学習能動学習2019/1/1
RGB画像から生成した2D領域提案で探索空間を絞り、能動学習によりラベル付け作業を最大60%削減しつつLiDAR 3D物体検出器を効率的に訓練する手法を提案した。
- ヘテロスケダスティック不確実性を活用した堅牢なリアルタイムLiDAR 3D物体検出3D物体検出2018/9/1
LiDAR 3D物体検出において、補助出力層で推定した不確実性を損失関数に組み込み、ノイズの多いサンプルを無視して有益なサンプルに集中することで検出精度を最大9%向上させた研究。
- 触覚探索行動の事前経験を活用した新規物体の物性学習触覚2018/7/1
多模态人工皮膚を備えたロボットアームが、押圧・滑り・静止接触の事前触覚経験を転移学習に用いて新規物体の物理特性を効率的に識別できることを示した。
- LiDAR 3D車両検出における不確かさの捕捉による安全な自動運転に向けて3D検出2018/4/1
LiDAR点群の3D車両検出器に認識的不確かさと偶然的不確かさを導入し、検出精度や距離・遮蔽との関係を解析するとともに検出性能を1〜5%向上させた。
