Haoyuan Li
収録論文 5本 ・ フィジカルAI/ロボット学習
VLA3Dシーン理解SLAMクロスビュー位置推定マルチモーダル物体検出
※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
- 一歩ずつ報酬を与えよう:連続環境における視覚言語ナビゲーションのためのステップ認識型対照アライメントVLA2026/3/1
連続環境での視覚言語ナビゲーションにおいて、失敗軌跡から有効な接頭辞と逸脱点を特定するステップ単位の監査と、状況に応じたグループ構築により、密な報酬信号を抽出して学習を安定化させるSACAを提案し、最先端性能を達成した。
- Text-Scene: 3Dシーン理解のためのシーン・トゥ・言語解析フレームワーク3Dシーン理解2025/9/1
3Dシーンを物体属性や空間関係を含むテキスト記述へ自動変換するフレームワークを提案し、3Dタスク計画のベンチマークInPlan3Dも構築した。
- MLINE-VINS: マンハッタン世界仮定と線特徴を用いた堅牢な単眼視覚慣性SLAMSLAM2025/3/1
線特徴とマンハッタン世界仮定を活用し、長さの異なる線を追跡する幾何学的オプティカルフローとマンハッタン推定の安定化機構を導入した単眼視覚慣性オドメトリシステムを提案。
- 反復レンダリングによる教師なしマルチビューUAV画像のジオローカリゼーションクロスビュー位置推定2024/11/1
UAVの斜め視点画像から3D表現を構築し衛星視点画像を生成することで、ラベル付きデータなしに地域に依存しないクロスビュー位置推定を実現した研究。
- CFMW: 悪天候下でのロバスト物体検出のためのクロスモダリティ融合Mambaマルチモーダル物体検出2024/4/1
悪天候下での可視光・赤外線画像を用いた物体検出において、拡散モデルによる天候除去とMambaベースのモダリティ融合を組み合わせ、Transformer融合より3倍高速で最先端性能を達成した。また、雨・霧・雪を含む大規模な可視光・赤外線データセットSWVIを構築した。
