Guofeng Zhang
Zhejiang University
収録論文 26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
- 人間の物体中心動作事前分布から学ぶロボット巧みな操作マニピュレーション2026/11/4
人間の物体操作データセットから将来の手と物体の状態を予測し、その予測を汎用報酬として強化学習に用いることで、多様な物体の巧みな操作を実現した論文。
- BlenderWorld: 実世界参照からの3D制作における視覚エージェントのベンチマーク3D生成/エージェント2026/10/14
テキスト・画像・動画・仕様入力からBlenderで3Dコンテンツを制作するエージェントを評価する223タスクのベンチマークを構築し、13の最先端モデルを多視点レンダリングと2,651の二値ルーブリックで評価した。
- Exo2EgoHOI: 手と物体のインタラクションを考慮した三人称視点から一人称視点への動画生成動画生成2026/9/29
三人称視点の操作動画を一人称視点に変換する際、手と物体のインタラクションを保つための4D事前情報と物体中心のアテンション機構を導入した動画生成フレームワーク。
- 孤立したオブジェクトを超えて:3Dシーングラフ解析による関係認識型オープンボキャブラリシーン理解3Dシーン理解2026/7/1
3Dシーングラフを用いてオブジェクト間の関係を推論し、オープンボキャブラリの3Dシーン理解を向上させるフレームワークRelGraphOVを提案。
- INTACT: 検索不要の世界モデルのための同型意図-行動学習世界モデル2026/7/1
行動ラベル付き軌跡から、検索なしで意図を行動に変換するエンドツーエンドのJEPAモデルを提案し、LeWMタスクで高い成功率を達成した。
- 屋内視覚的再位置特定のためのオープンボキャブラリ理解を備えたコンパクトなオブジェクトレベル表現視覚的再位置特定2026/6/1
シーン内のオブジェクト情報を構造化マップに整理し、オブジェクト単位のみでカメラ再位置特定を駆動するシステムOpenReLocを提案。基礎モデルを活用した2D-3Dオブジェクトマッチングと、オブジェクト指向参照フレームによる高精度な位置推定を実現。
- R3D: 3Dポリシー学習の再考模倣学習/3Dポリシー2026/4/1
3Dポリシー学習の不安定性と過学習の原因を診断し、3Dデータ拡張の欠如とバッチ正規化の悪影響を特定。スケーラブルなトランスフォーマー型3Dエンコーダと拡散デコーダを組み合わせた新しいアーキテクチャを提案し、操作ベンチマークで最先端を達成した。
- CUS-GS: マルチモーダルシーン表現のためのコンパクト統合構造化ガウシアンスプラッティングフレームワーク3Dシーン表現2025/11/1
複数の基盤モデルから得たマルチモーダル特徴をボクセルアンカー構造に統合し、外観・幾何・意味を一貫して表現する軽量な3Dガウシアンスプラッティング手法を提案。
- SGFormer: 衛星・地上融合による3Dセマンティックシーン補完3Dセマンティックシーン補完2025/3/1
視覚的遮蔽に強い3Dセマンティックシーン補完のため、衛星画像と地上画像を並列に符号化して統合する初の衛星・地上協調フレームワークを提案した論文。
- SLC²-SLAM: 共有潜在コードを用いた意味誘導ループ閉じ込みによるNeRF SLAMSLAM2025/1/1
NeRF SLAMで蓄積するドリフト誤差を抑えるため、再構成に使われる潜在コードを局所特徴として再利用し、意味情報で集約してループ検出を行う手法を提案した。
- XRDSLAM:深層学習ベースSLAMのための柔軟でモジュール式フレームワークSLAM2024/10/1
XRDSLAMは、モジュール式設計とマルチプロセス実行により、データセット管理や可視化、評価などの共通基盤を提供し、NeRFや3DGSベースのSLAMを含む複数の最先端アルゴリズムを統合・比較評価できる柔軟なSLAMフレームワークである。
- DiffPano: 球面エピポーラ対応拡散によるスケーラブルで一貫性のあるテキストからのパノラマ生成生成モデル2024/10/1
大規模なパノラマ動画テキストデータセットを構築し、LoRAで微調整した単視点テキスト→パノラマ拡散モデルと球面エピポーラ対応の多視点拡散モデルを組み合わせ、未見のテキストとカメラポーズから一貫性のある多様な360度パノラマ画像を生成する手法を提案。
- 自律ロボットのためのNeRFベンチマーク:概観NeRF2024/5/1
NeRFを自律ロボットの知覚・自己位置推定・ナビゲーション・意思決定に活用する研究を網羅的に調査し、既存手法の性能を比較評価したサーベイ。
- CG-SLAM: 一貫性のある不確実性考慮型3Dガウシアンフィールドによる高効率な高密度RGB-D SLAMSLAM2024/3/1
3Dガウシアンスプラッティングを基に、不確実性を考慮した一貫性の高い3Dガウシアンフィールドを構築し、最大15Hzで動作する高効率な高密度RGB-D SLAMを実現した。
- CP-SLAM: 協調型ニューラルポイントベースSLAMシステムSLAM2023/11/1
RGB-D画像列を用いた協調型の暗黙的ニューラルSLAMシステムを提案し、オドメトリ・ループ検出・サブマップ融合・大域最適化を統合したフレームワークを構築した。
- RD-VIO: 動的環境下でのモバイルAR向けロバストな視覚慣性オドメトリVIO2023/10/1
動的シーンと純回転に対応するため、IMU-PARSACによる2段階の特徴点マッチングと、純回転フレームを特別なサブフレームとして扱う遅延三角測量を導入した視覚慣性オドメトリシステムを提案。
- 効率的なマルチロボットSLAMのための記述子蒸留マルチロボットSLAM2023/3/1
教師モデルから小型生徒モデルへ特徴記述子を蒸留し、低帯域で高精度なマルチロボットSLAMを実現した研究。
- Vox-Fusion: ボクセルベースのニューラル陰関数表現による高密度トラッキングとマッピングSLAM2022/10/1
ボクセルごとにニューラル陰関数表面を最適化し、オクツリー構造で動的に拡張することで、未知環境でも高精度な追跡とマッピングを実現するシステムを提案した。
- 意味プリミティブによるカテゴリレベル形状・姿勢の生成的推定姿勢推定2022/10/1
単一のRGB-D画像からカテゴリレベルの物体形状と姿勢を推定するフレームワークを提案し、意味プリミティブ表現とSIM(3)不変記述子で形状と姿勢を分離して高精度化した。
- PVO: パノプティック・ビジュアルオドメトリVLA2022/7/1
視覚オドメトリと動画パノプティックセグメンテーションを統合し、相互に改善しながらカメラ姿勢推定と領域分割を同時に行うフレームワークを提案。
- VIP-SLAM: RGB-Dと慣性センサと平面情報を密結合した効率的なSLAMSLAM2022/7/1
RGB-D画像・IMU・平面構造を密結合し、平面のホモグラフィ制約で地図点を削減してバンドル調整を高速化した軽量SLAMシステムを提案。
- D$^3$FlowSLAM: フロー運動分解とDINO誘導による自己教師あり動的SLAMSLAM2022/7/1
静的・動的フローの二重表現で動的環境を分解し、DINOを事前知識に用いた自己教師あり学習でラベルなしに高精度な動的SLAMを実現した。
- RNNPose: ロバストな対応場推定と姿勢最適化による反復型6自由度物体姿勢精緻化姿勢推定2022/3/1
単眼画像からの物体姿勢推定を、RNNの反復処理で精緻化する手法。対応場推定と微分可能なLM法による姿勢最適化を交互に行い、遮蔽にも頑健。
- 代表構造発見と3D固有誤差モデリングによる堅牢な自己教師ありLiDARオドメトリLiDARオドメトリ2022/2/1
信頼できる構造に着目した2段階ネットワークと3D点共分散に基づく誤差の重み付け、マッピングへの統合により、自己教師ありLiDARオドメトリの精度とロバスト性を向上させた研究。
- 深層CNNによる精密農業向けロボット多クラス雑草防除農業ロボティクス2021/12/1
約1万枚の雑草画像データセットAIWeedsを構築し、TensorRT最適化したMobileNetV2を小型自律ロボットSAMBotに搭載して列間のリアルタイム雑草検出・分類を実現した研究。
- SelfVoxeLO: ボクセルベース深層学習による自己教師ありLiDARオドメトリLiDARオドメトリ2020/10/1
生のLiDAR点群を3D畳み込みで直接処理し、点群固有の性質を活かした損失関数と不確実性考慮機構でラベルなし学習を実現した自己教師ありLiDARオドメトリ手法。
