Eshed Ohn-Bar
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
- NavAble: 視覚障害者ナビゲーションのための大規模データセットと合成データ生成パイプライン視覚障害者支援/データセット2026/10/14
視覚障害者の移動支援に必要なアクセシビリティ物体を認識するため、実画像と合成画像を組み合わせた大規模データセットと自動生成パイプラインを構築し、セグメンテーションモデルの性能向上を実証した。
- 時間を考慮した支援ナビゲーションVLA2026/9/4
視覚と言語のエージェントが、ユーザーへの応答タイミングを計画できるかを検証し、複雑な屋外環境での支援ナビゲーション用の大規模ベンチマークを導入。既存のMLLMの限界を明らかにし、指示の理由を予測する単純な改良で性能が向上することを示した。
- 自動運転のためのスケーラブルなオフライン評価指標自動運転2025/10/1
自動運転の計画モデルについて、オフライン評価とオンライン性能の相関を大規模に検証し、認識的不確実性に基づく新指標で相関を13%以上改善した。
- UniLCD:強化学習によるローカル・クラウド統合意思決定ナビゲーション2024/9/1
強化学習でローカルとクラウドの推論を動的に振り分けるハイブリッド推論フレームワークを提案し、混雑環境でのナビゲーションタスクで既存手法より35%以上の性能向上を達成した。
- XVO: クロスモーダル自己学習による汎用視覚オドメトリ視覚オドメトリ2023/9/1
YouTubeの多様なドライブ動画を自己学習に活用し、カメラパラメータ不要でスケール付き相対姿勢を推定する汎用単眼視覚オドメトリモデルを提案。音声予測を含むマルチモーダル補助タスクで疑似ラベルのノイズを抑え、KITTIなどで高い汎化性能を示した。
- どこでも運転できるAIの学習自動運転2023/9/1
地理的位置に応じて適応する条件付き模倣学習モデルAnyDを提案し、多様な地域の運転データから効率的に学習して自動運転性能を向上させた。
- 教えられる生徒をコーチングする:特権教師からの知識蒸留による自動運転自動運転/知識蒸留2023/6/1
特権的な教師エージェントからセンサモーター生徒エージェントへ運転を教える新しい知識蒸留フレームワークを提案し、生徒の入力特徴を教師のBEV空間に整列させることで、CARLAでの運転スコアを20.6%以上改善した。
- SelfD: Web動画から大規模運転ポリシーを自己学習するフレームワーク自動運転2022/4/1
YouTubeの単眼動画を半教師あり自己学習で活用し、BEV空間で計画する運転エージェントを学習する手法を提案。
- 他車の観察から学ぶ運転ポリシー学習自動運転2021/6/1
周囲の他車の視点に変換した観測と推定した操作から運転ポリシーを学習するLbWフレームワークを提案し、少ないデータで堅牢な運転を実現した。
- 自動運転のためのラベル効率の良い視覚抽象化自動運転2020/5/1
セグメンテーション注釈コストを削減しても行動クローニング型自動運転エージェントの性能を維持できるか分析し、注釈を大幅に減らしても最先端性能が得られることを示した。
- 単眼動画からの衝突までの時間予測:実現可能性・データセット・課題衝突予測2019/3/1
単眼カメラ映像から歩行者との衝突までの時間を直接推定する深層学習手法を提案し、1万3千以上の動画を含む新データセットを構築して評価した。
- ユーザーごとに適応する視覚障害者向けナビ支援システムの個人化力学モデルアシスティブナビゲーション2018/4/1
視覚障害者向け音声・触覚ナビ支援において、ユーザーごとの移動特性に合わせて案内を個人化するモデルベース強化学習フレームワークを提案し、実データで長期行動予測精度と少データでの迅速な適応を実証した。
