Huijing Zhao
収録論文 14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
- LagMemo: 言語3Dガウススプラッティング記憶によるマルチモーダル・オープンボキャブラリ・マルチゴール視覚ナビゲーションナビゲーション2025/10/1
一度の探索で言語埋め込み付き3Dガウススプラッティング記憶を構築し、テキストや画像などの多様な目標クエリに対して候補地点を検索・検証してロボットを誘導する視覚ナビゲーションシステムを提案。
- オフロード細粒度セマンティックセグメンテーションのための能動的・対照学習フレームワークセマンティックセグメンテーション2022/2/1
ピクセル単位のラベルなしでパッチ単位の弱教師あり学習と対照学習・適応クラスタリングにより、オフロードシーンの細粒度セマンティックセグメンテーションを実現し、リスク評価で難フレームを能動的に選択して新シーンへ効率的に適応する手法を提案。
- 群衆交差点における自動運転のためのマルチタスク条件付き模倣学習自動運転/模倣学習2022/2/1
歩行者と相互作用が必要な混雑交差点での自動運転に向け、横方向・縦方向の制御を適応させるマルチタスク条件付き模倣学習を提案し、新ベンチマークIntersectNavで最大30%の成功率向上を達成した。
- タスク駆動型走行シーン分類の画像ベース手法シーン認識2021/3/1
運転者の判断に基づく弱教師ありデータを用い、対照学習でシーンの意味的属性を識別する尺度を学習し、走行シーンを分類する手法を提案した。
- 対照学習による細粒度オフロード意味セグメンテーションとマッピングセグメンテーション2021/3/1
対照学習を用いて人間が注釈したアンカーパッチから走行可能領域を細かく識別する特徴表現を学習し、オフロードシーンの細粒度セマンティックセグメンテーションとマッピングを実現した研究。
- 自動運転ポリシー学習のための深層強化学習と深層模倣学習のサーベイ自動運転/強化学習/模倣学習2021/1/1
自動運転の運転ポリシーを深層強化学習と深層模倣学習で学習する研究を、システム統合・モデル定式化・安全性や相互作用などの課題対応の3つの観点から整理した初の包括的サーベイ。
- 自然な運転データから人間らしい自動運転を学習する自動運転2020/5/1
人間の運転軌跡に近づくよう経路計画のコスト関数を学習し、車線変更判断と経路計画を統合した枠組みを提案した。
- LiDAR/視覚オドメトリのシーン認識型誤差モデリングによる融合型車両自己位置推定自己位置推定2020/3/1
LiDARや視覚オドメトリの誤差をシーンに応じて学習し、GPS/IMUの疎な位置情報から誤差モデルを訓練してデッドレコニングと融合することで、未知環境でも適応的な高精度車両自己位置推定を実現した。
- 潜在空間共有オートエンコーダによる動的相関モデリングを用いたシーン間予測予測/表現学習2020/3/1
動的変化に相関がある2つのシーンの非同期観測履歴から、一方の観測で他方の状態をオンライン予測するクロスシーンプリディクタを、潜在空間を共有する2つのオートエンコーダで学習する手法を提案した。
- 動的シーンにおける3D LiDARデータのシーン文脈を用いたセマンティックセグメンテーションセマンティックセグメンテーション2020/3/1
3D LiDAR点群のセマンティックセグメンテーションにシーン文脈を取り入れるため、レンジ画像上のセグメントをノードとするグラフニューラルネットワークを構築し、近傍との関係を学習してラベル推定する手法を提案した。
- SemanticPOSS:動的物体を多数含む大規模3D点群データセット3Dセグメンテーション2020/2/1
北京大学構内で収集した2988シーンのLiDARスキャンからなる3D意味セグメンテーション用データセットを提案し、動的物体の予測精度向上に寄与することを示した。
- 深層逆強化学習によるオフロード自動走行の走破性解析と軌道計画走行・軌道計画2019/9/1
深層最大エントロピー逆強化学習を用い、専門家の走行デモからコスト関数を学習してオフロード環境での走破性解析と軌道計画を行う手法を提案した。
- 人間のドメイン知識を活用した3D LiDARセマンティックセグメンテーションセマンティックセグメンテーション2019/5/1
ルールベース分類器の自動生成サンプルで事前学習し、人間の知識をネットワークに注入することで、手動アノテーションの必要量を削減しつつ3D LiDARセマンティックセグメンテーションの性能を向上させる手法を提案した。
- 半教師あり学習による動的シーンでの3D LiDARデータのセマンティックセグメンテーションセマンティックセグメンテーション2018/9/1
自動運転向けに、手動ラベルとペアワイズ制約を組み合わせた半教師あり学習で3D LiDAR点群をセグメンテーションし、少ない注釈で10%以上の精度向上を実現した。
