Fei Huang
The Hong Kong University of Science and Technology (Guangzhou)
収録論文 10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
- 重要なものだけをモデル化:言語エージェントのための意思決定誘導型選択的世界モデリング言語エージェント/強化学習2026/10/14
言語エージェントの強化学習において、意思決定に重要な観測のみを世界モデリングの対象として選択し、予測信頼度に応じて重み付けする補助学習手法を提案。複数のベンチマークで性能向上を実現した。
- 空間ギャップに注意:地理空間推論と制約付き空間編集のベンチマーク空間推論ベンチマーク2026/10/9
実世界の都市データを用いて、MLLMの空間関係理解から制約付き空間編集までの能力を評価するGeoSpatialBenchを提案し、構造化GeoJSONが地図画像より優れる一方で定量的関係や編集に課題があることを示した。
- LightNav-0: 汎用身体性ナビゲーションのためのVLM空間知能の引き出しナビゲーション2026/8/31
事前学習済み視覚言語モデルの空間知能をナビゲーション制御に直接活用する、タスク非依存の汎用ナビゲーションモデルLightNav-0を提案。統一トークンインターフェースと残差VQアクショントークナイザにより、指示追従・物体探索・視覚追跡を単一モデルで実現する。
- Qwen-RobotManip技術報告:アライメントがロボット操作基盤モデルのスケールを解放するVLA/基盤モデル2026/6/16
ロボット操作のための視覚言語行動基盤モデルQwen-RobotManipを提案し、異種データを統一フレームワークで整列させることで大規模学習を可能にし、ゼロショット汎化やクロスエンボディ転移などの創発的能力を示した。
- Qwen-RobotNav 技術報告:エージェント型ナビゲーションシステム向けのスケーラブルなナビゲーションモデルナビゲーション2026/6/1
本論文は、推論時に外部から観測戦略を再構成可能なパラメータ化インターフェースを持つスケーラブルなナビゲーションモデルQwen-RobotNavを提案し、複数のタスクモードと観測パラメータを導入して、指示追従や物体探索などの多様なナビゲーション行動を単一モデルで実現する。
- 鉄道車両における4年間のマルチモーダルオドメトリとマッピングSLAM2023/8/1
LiDAR・視覚・IMU・車輪エンコーダを慣性中心に統合し、線路平面や電柱の幾何情報も活用して鉄道車両の自己位置推定と地図生成を長期にわたり実現するフレームワークを提案した。
- 複数LiDARによる鉄道車両の自己位置推定と環境マッピングSLAM2021/12/1
複数のLiDAR入力を用いた鉄道向けSLAMシステムを提案し、レールの平面制約やオンライン外部キャリブレーションを活用して3000km超のデータで高精度な位置推定と大規模環境マッピングを実現した。
- LiDAR・視覚・慣性・GNSS融合による鉄道車両の高精度自己位置推定と地図生成SLAM/センサフュージョン2021/12/1
線路の平面・直線構造を制約に用い、LiDAR・カメラ・IMU・GNSSを因子グラフで統合して鉄道車両の位置推定と地図生成を行う手法を提案し、800km超の実走データでトンネル等の劣化環境でも高精度・リアルタイムに動作することを示した。
- MetroLoc: LiDAR・カメラ・慣性統合による地下鉄車両の地図構築と自己位置推定SLAM2021/11/1
IMUを中心にLiDAR・カメラ・慣性を緩結合で統合し、線・面特徴も活用して大規模地下鉄環境での車両自己位置推定と地図構築を高精度・リアルタイムに行うフレームワークを提案した。
- RailLoMer: LiDAR・IMU・オドメトリ・GNSS融合による鉄道車両の自己位置推定と地図生成SLAM/センサフュージョン2021/11/1
2台のLiDAR、IMU、車輪オドメトリ、GNSSを因子グラフで統合し、線路の平面拘束を活用して鉄道車両の高精度なオドメトリと地図生成を実現した研究。
