Gaurav Pandey
Texas A&M University
収録論文 24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
- ActionSplice: インタラクティブな世界モデルのための飛行中アクション編集世界モデル2026/9/8
ビデオ世界モデルで、生成中にアクションが変更された際に、ロールバックせずに状態を補正してサンプリングを再開する推論フレームワークActionSpliceを提案した。
- サポートを分割し、残差を再構成する:ビデオ生成とワールドモデルのための学習不要スパースアテンションビデオ生成/スパースアテンション2026/8/19
ビデオ生成やワールドモデルのトランスフォーマーを高速化するため、学習不要のブロックスパースアテンション手法SparsePRを提案。応答結合分割とプローブフィット残差再構成を組み合わせ、アテンション再構成誤差を低減しつつ、実行ペア密度22-26%で1.48-2.61倍の高速化を達成。
- ReaLiTyとLADS:センサーと悪天候を横断するLiDAR適応のための統一フレームワークとデータセット群LiDAR適応2026/4/1
異なるセンサー仕様や悪天候下でのLiDARデータを物理的に一貫した形で変換する統一フレームワークと、それに対応するデータセット群を構築した論文。
- 悪天候下での自動運転向け現実的LiDARデータシミュレーション:物理情報学習アプローチLiDARシミュレーション2026/4/1
悪天候下のLiDARデータを現実的に生成する物理情報学習フレームワークを提案し、実データとの分布一致と下流タスク性能向上を実証した。
- NaviDriveVLM: 自動運転のための高レベル推論と動作計画の分離自動運転2026/3/1
自動運転向けに、大規模な推論モデルと軽量な動作生成モデルを分離したフレームワークを提案し、nuScenesベンチマークで性能を向上させた。
- 自律走行の学習:人間の入力で強化されたオフロードナビゲーション自律走行2025/2/1
単眼カメラと5~10分の人間の運転デモのみを用いて、オフロード環境での走行を学習するローカルプランナを提案。手動調整なしで実世界に適応できる。
- 3DGS-ReLoc: 3Dガウシアンスプラッティングによる地図表現と視覚的自己位置推定自己位置推定2024/3/1
LiDARとカメラデータから3Dガウシアンスプラッティングで環境地図を構築し、クエリ画像との対応をNCCとPnPで求めることで視覚的な自己位置推定を高精度に行うシステムを提案した。
- 連結自動運転車両のための共有可能なクロソイドベース連続運動計画運動計画2023/12/1
3つの連続するクロソイドで経路を表現し、少数の非線形代数方程式で実時間計画と衝突判定を可能にした、V2Xで共有可能な運動計画手法。
- シーン特化型融合モジュールによるRGB-X物体検出マルチモーダル物体検出2023/10/1
事前学習済み単一モーダルモデルをシーン特化型の融合モジュールで組み合わせ、少量のマルチモーダルデータでRGB-熱画像やRGB-ゲート画像の物体検出を高精度に行う手法を提案した。
- 注意機構付きグラフニューラルネットワークによる点・線特徴マッチングを用いたステレオビジュアルオドメトリビジュアルオドメトリ2023/8/1
悪天候や低照度環境でも頑健に動作する、点と線の特徴を統合したステレオビジュアルオドメトリ手法を提案。注意機構付きグラフニューラルネットワークで特徴マッチングを行い、従来手法より多くの線特徴マッチを実現した。
- 双方向視覚センシングによるマルチカメラシステムの自動キャリブレーションキャリブレーション2022/8/1
移動ロボットに搭載した魚眼カメラとArUcoマーカーを用いて、天井設置の約40台のカメラ間の位置関係を双方向の検出により自動推定する手法を提案し、実環境で検証した。
- 路側カメラによる自動運転向けリアルタイム全スタック交通シーン認識路側知覚2022/6/1
路側カメラを用いて物体検出・位置推定・追跡・多カメラ融合を統合し、2Dアノテーションのみで学習可能な landmark ベース3D位置推定を導入したフルスタック認識システムを構築し、実環境で20ms未満の遅延を実現した。
- インフラノードを活用した自動運転車両の自己位置推定自己位置推定2021/9/1
路側のスマートインフラノードの知覚情報と車載の低コスト慣性センサを融合し、高価な慣性航法装置や計算負荷の高い視覚処理なしで高精度な車両位置推定を実現した。
- スマートインフラ魚眼カメラの事前地図への位置合わせ位置推定2021/9/1
魚眼カメラ画像と衛星BEV画像の特徴マッチングで初期姿勢を推定し、LiDAR反射強度との相互情報量最大化で精緻化することで、インフラカメラを事前地図に高精度に位置合わせする手法を提案した。
- 3D LidarとIMUのターゲットフリー外部キャリブレーションキャリブレーション2021/4/1
EKFと運動拘束を用いて、3D LidarとIMU間の外部キャリブレーションをターゲットなしで行う手法を提案し、実験で有効性を検証した。
- 自動運転車向けリアルタイム漸進的フォビアテクスチャマッピング3Dマッピング2021/1/1
LIDARスキャンとカメラ画像から高解像度のテクスチャ付き3D都市地図をリアルタイムで漸進的に生成する枠組みを提案し、人間の網膜中心窩に着想を得た処理で計算時間を削減しつつテクスチャ品質を保つ。
- フォード高速道路走行RTKデータセット:北米高速道路3万kmの記録自動運転データセット2020/10/1
北米の高速道路を約3万km走行して収集した、車載GNSSと高精度RTK/INSによる正解データを含む公開データセットを構築した。
- 3D-LIDARカメラ外部キャリブレーションの実験的評価キャリブレーション2020/7/1
3つのターゲットベースの3D-LIDARカメラキャリブレーションアルゴリズムを、複数カメラ・LIDARのセンサスイートで比較評価し、初期化への頑健性やノイズ影響を検証した。
- 3D-LIDARとカメラの外部キャリブレーションキャリブレーション2020/3/1
マーカーレスの平面ターゲットを用い、平面点と平面、エッジ点と逆投影平面の幾何制約を利用して3D-LIDARとカメラ間の外部パラメータを非線形最小二乗で推定する手法を提案し、複数のカメラとLIDARで検証した。
- Ford マルチAV季節変動データセット自動運転データセット2020/3/1
フォードの自動運転車隊が2017〜18年にミシガンで走行し、季節・天候・交通条件の変化を含むマルチエージェント向けセンサデータセットを収集した。
- 航空画像を用いた自動運転車のLIDAR自己位置推定自己位置推定2020/3/1
高価な高精細地図の代わりに航空・衛星画像とLIDAR反射強度を照合し、都市環境でリアルタイムに自己位置推定する手法を提案・実証した。
- 自動運転車に求められる自己位置推定の要件自己位置推定2019/6/1
道路の安全性基準や米国の道路規格から出発し、自動運転車が満たすべき位置・姿勢推定の誤差許容範囲を理論的に導出した論文。
- 北米3万kmの高速道路における単独測位およびRTK GNSSの性能評価GNSS測位2019/6/1
北米3万kmの高速道路でGNSS測位性能を評価し、現行の車載GNSSは道路判定には98%の可用性で対応できるが車線判定には57%にとどまることを示した。
- 相互情報量を用いたロバストで高速な3Dスキャン位置合わせ点群位置合わせ2017/9/1
点群をボクセル化し、ボクセル特徴間の相互情報量を最大化することで6自由度の剛体変換を推定する位置合わせ手法を提案。GPU並列実装により高速かつロバストであることを実データで示した。
