Ian Reid
収録論文 44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
- EgoJEPA: 一人称視点動画からの巧みな操作のためのリターゲティングを超えてVLA2026/10/14
一人称視点の人間動画から、ルールベースのリターゲティングなしに身体非依存の潜在表現を学習し、軽量アダプタで多様なロボットに適応させる3段階フレームワークを提案。実機5タスクで平均成功率74%を達成。
- 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。
- ロボットデータファクトリー:物理AIのための経験生成基盤データ基盤2026/9/15
ロボットの生データではなく物理的経験を継続的に生成・検証・再利用する基盤「Robot Data Factory」を提案し、その階層構造とスケーリング則を定式化した。
- UniMo: 人間と動物のモーション生成を統合するフレームワークモーション生成2026/9/11
骨格の違いを点群表現に変換することで種を問わず統一的に扱えるモーション生成手法を提案し、人間と動物を合わせた大規模データセットUniML3Dも構築した。
- ROScopter: ROSflight 2.0に基づくマルチローター自動操縦装置ドローン制御2026/3/1
研究者向けに設計された、ROS 2上で動作する軽量なマルチローター自動操縦装置ROScopterを提案し、シミュレーションと実機での性能を検証した。
- ManipArena:推論指向の汎用ロボットマニピュレーションの実世界包括評価マニピュレーション2026/3/1
実機ロボットでのマニピュレーション汎化を公平に評価するため、20タスク・1万超の専門家軌道・約188時間分のデータを備えた標準化ベンチマークを構築し、VLAやワールドアクションモデルなど7構成を比較した。
- GeoWorld: 幾何学的世界モデル世界モデル2026/2/1
潜在表現を双曲空間に写像するHyperbolic JEPAと幾何学的強化学習を導入し、長期的な視覚計画の精度を向上させた世界モデル。
- ROSplane 2.0: 研究向け固定翼オートパイロット固定翼UAV/オートパイロット2025/10/1
研究向けに設計されたオープンソースの固定翼自律飛行スタックROSplaneをROS 2に対応させ、推定・制御アルゴリズムやモジュール性、空力モデリングを改善した。
- ROSflight 2.0: 無人航空機向けの軽量ROS 2ベース自動操縦システム自動操縦/ROS 22025/10/1
研究向けに設計された軽量なオープンソース自動操縦エコシステムROSflightをROS 2に対応させ、モジュール性と使いやすさを向上させた。シミュレーションから実機への移行を加速する。
- TANGO: 走行可能性を考慮した局所メトリック制御によるトポロジカルゴールへのナビゲーションナビゲーション2025/9/1
RGB画像のみを用い、3Dマップや学習済み制御器なしで物体レベルのサブゴールへ長距離ナビゲーションするトポメトリック手法を提案。単眼深度と走行可能性推定で局所軌道を予測し、基盤モデルによりゼロショットで未知環境に適用できる。
- 世界モデリングによる潜在行動の事前学習VLA2025/9/1
ラベルなし動画から世界モデリングで潜在行動表現を自己教師あり学習し、模倣学習モデルを事前学習するフレームワークLAWMを提案。
- 効率的な幾何認識ビジョンエンコーダによるロボットマニピュレーションの改善マニピュレーション2025/9/1
幾何認識型の視覚表現を模倣学習に組み込むことで成功率が最大6.5%向上することを示し、さらにVGGTを蒸留した高速・軽量なエンコーダeVGGTを提案した論文。
- ObjectReact: 物体相対制御を学習する視覚ナビゲーション視覚ナビゲーション2025/9/1
単眼カメラとトポロジカルマップを用いた視覚ナビゲーションにおいて、画像相対ではなく物体相対の制御を学習する新手法を提案し、センサ高さの変化に対する頑健性を示した。
- インコンテキスト模倣学習におけるアクショントークナイザの重要性模倣学習2025/3/1
インコンテキスト模倣学習において、既存のアクショントークナイザが時間的な滑らかさを保てない問題を指摘し、Lipschitz条件を課すVAE「LipVQ-VAE」を提案して安定した動作生成を実現した。
- Hier-SLAM++: 階層的分類ガウシアンスプラッティングによるニューロシンボリック意味SLAMSLAM2025/2/1
RGB-Dと単眼入力に対応し、LLMと3D生成モデルを活用した階層的分類表現で姿勢推定と3D意味マッピングを高精度に行う意味SLAM手法を提案。
- ロボットナビゲーションにおける言語と計画:最先端モデルの多言語評価VLA2025/1/1
アラビア語を含む多言語の言語モデルを用いて、視覚と言語によるロボットナビゲーションの計画能力を評価した研究。
- 連続環境における制約認識型ゼロショット視覚言語ナビゲーションVLA2024/12/1
ゼロショットVLN-CEを制約認識型のサブ命令完了プロセスとして再構成し、CSMとCVMの2モジュールでナビゲーション計画を逐次生成するCA-Navを提案、ベンチマークで最高性能を達成した。
- 怒りの強化学習:感情のジェットコースターを体験する自動運転2024/10/1
自動運転レースの強化学習コンペで、視覚入力をルールベース制御に組み合わせる手法が優勝した。
- 10回のデモから学ぶ:指向性アフォーダンスフレームによる汎化可能でサンプル効率の良い方策学習模倣学習2024/10/1
指向性アフォーダンスフレームという構造化表現を用いて、わずか10回のデモから汎化性能の高いロボット方策を学習し、長期・複数物体タスクをサブ方策の合成で解決する手法を提案。
- BEVPose: ポーズ誘導マルチモーダルBEVアライメントによるシーン意味理解BEV認識2024/10/1
カメラとLiDARのBEV表現をセンサポーズを教師信号として統合し、アノテーションをほとんど使わずにBEVマップセグメンテーションで既存手法を上回る事前学習手法を提案した。
- GraspMamba: 階層的特徴学習を備えたMambaベースの言語駆動型把持検出フレームワークマニピュレーション2024/9/1
Mambaビジョンと階層的特徴融合を用いて、乱雑な画像や長いテキスト記述でも高速・高精度に把持位置を検出する言語駆動型モデルを提案した。
- Hier-SLAM: 階層的カテゴリカルガウシアンスプラッティングによるSLAMのセマンティクス大規模化セマンティックSLAM2024/9/1
大規模言語モデルを活用した階層的カテゴリ表現を3DガウシアンスプラッティングSLAMに導入し、500クラス以上の実世界シーンで高精度なセマンティックマッピングと高速動作を実現した。
- RoboHop: セグメントベースのトポロジカルマップ表現によるオープンワールド視覚ナビゲーション視覚ナビゲーション2024/5/1
画像セグメントをノードとするトポロジカルグラフを構築し、自然言語クエリによる物体探索とセグメント間のホップとしてナビゲーション計画を生成する手法を提案。
- SayPlan: 3Dシーングラフを用いた大規模言語モデルのロボットタスク計画への接地タスク計画2023/7/1
3Dシーングラフを活用し、大規模言語モデルによる多階層・多部屋環境でのロボットタスク計画を実現する手法を提案。
- ActiveRMAP: 能動的マッピングと計画のための放射輝度場能動的マッピング/NeRF2022/11/1
RGB画像のみを用いて、NeRF表現をオンラインで最適化しながら能動的に3D再構成と経路計画を同時に行うフレームワークを提案した論文。
- 未知環境における視覚ナビゲーションのためのトポロジカルマップ予測視覚ナビゲーション2022/11/1
未知環境でも類似環境の経験から確率的なレイアウトグラフを予測し、目標ベースの視覚ナビゲーションを効率化するシステムを提案した。
- 月面採掘のための自律性と知覚宇宙ロボティクス2021/9/1
NASA宇宙ロボティクスチャレンジPhase 2向けに、月面環境で協調ロボットが自律採掘を行うための機械学習ベースの視覚とマルチロボット調整システムを開発した。
- ロボティクスにおける意味論:マッピング・知覚・インタラクションのサーベイ意味論2021/1/1
ロボットのマッピング・知覚・インタラクションにおける意味論研究を、意味の抽出・利用の観点から4カテゴリに分類し、全体像を俯瞰したサーベイ。
- メモリ管理付き隠れマルコフモデルによる視覚的場所認識視覚的場所認識2020/11/1
外観変化に強い視覚的場所認識のため、有望な候補画像を時間的先読みでアクティブメモリと受動ストレージ間で移動させる二層メモリ管理付きHMMを提案し、固定領域で定数時間・空間推論を実現した。
- 見た目変化に強い大規模場所認識場所認識2019/8/1
天候や季節による見た目の変化に頑健な場所認識のため、隠れマルコフモデルに基づく時系列画像マッチングと再学習・圧縮可能な手法を提案した。
- 実演からの実用的なロボット学習:深層エンドツーエンド訓練によるアプローチ模倣学習2019/5/1
人間がジョイスティックで実演した手先カメラ画像とエンドエフェクタ速度の対応をResNetで学習し、1時間以内にロボットのサーボタスクを獲得できることを示した。
- V2CNet:ロボット操作のための動画からコマンドへの変換ディープラーニングフレームワーク動画理解/ロボット操作2019/3/1
デモ動画をロボットが直接使えるコマンドに変換するV2CNetを提案。エンコーダ・デコーダと時間畳み込みネットワークの2分岐で細粒度動作と系列情報を同時に学習し、大規模データセットで従来手法を大きく上回る性能を示した。
- 物体モデルを考慮したリアルタイム単眼スパースSLAMSLAM2018/9/1
深層学習の物体検出と平面検出を単眼SLAMに統合し、物体を二次曲面として地図に組み込むことでカメラ位置推定精度と地図の意味情報を両立させた。
- 二次曲面と平面を用いた構造認識SLAMSLAM2018/4/1
物体検出結果を二次曲面としてSLAMに統合し、主要な平面構造も併せてモデル化することで、カメラ位置推定精度と意味的に豊かな地図生成を両立させた研究。
- Deep-6DPose:単一RGB画像から6D物体姿勢を復元する6D姿勢推定2018/2/1
Mask R-CNNに姿勢推定ブランチを追加し、単一RGB画像から物体検出・セグメンテーション・6D姿勢推定をエンドツーエンドで行う手法を提案した。
- 視覚と言語に基づくナビゲーション指示の解釈:実環境ベンチマークの構築視覚言語ナビゲーション2017/11/1
実写画像を用いた大規模強化学習シミュレータMatterport3Dを構築し、実建物内での自然言語ナビゲーション指示を解釈する初のベンチマークデータセットR2Rを提供した論文。
- SceneCut: 屋内シーンの幾何と物体の統合セグメンテーションセグメンテーション2017/9/1
単一のRGB-D画像から、学習で見ていない物体も含めて物体と非物体表面を同時に分割する手法を提案し、階層的セグメンテーションツリーと境界予測ネットワークで高精度に実現した。
- AffordanceNet:物体のアフォーダンス検出のためのエンドツーエンド深層学習手法アフォーダンス検出2017/9/1
RGB画像から物体検出とそのアフォーダンス(把持可能な部位など)のピクセル単位セグメンテーションを同時に行うエンドツーエンドの深層学習モデルを提案し、実時間ロボット応用に適することを示した。
- 生成的敵対ネットワークによる困難な場所認識タスクへの取り組み場所認識/GAN2017/9/1
2つのGANを組み合わせ、季節間の画像対応なしに一方の見た目を他方へ変換し、学習した特徴空間で季節をまたぐ場所認識を実現した。
- 視覚とGPSを融合するSO(3)上の離散時間姿勢オブザーバ状態推定2017/4/1
単眼視覚オドメトリとGPS速度を融合し、ドリフトを抑えつつNED座標系に対する姿勢を推定する離散時間幾何オブザーバを提案し、指数収束の安定性解析と実験検証を示した。
- カメラ-レーザーキャリブレーションにおけるチェッカーボード抽出のための分枝限定法キャリブレーション2017/4/1
カメラとレーザースキャナのキャリブレーションで、チェッカーボード上のレーザー点を背景から確実に識別するため、組合せ最適化として定式化し分枝限定法で大域最適解を求める手法を提案した。
- 大規模学習による視覚的場所認識のための深層学習特徴量視覚的場所認識2017/1/1
場所認識タスク専用に大規模CNNを学習し、多スケール特徴符号化で環境・視点変化に頑健な特徴を生成。数千地点の外観変化を含む大規模データセットSPEDを構築し、ベンチマークで平均10%の性能向上を達成した。
- 物体指向セマンティックマッピングによる意味のある地図構築セマンティックマッピング2016/9/1
RGB-D SLAMと深層学習物体検出、3Dセグメンテーションを組み合わせ、物体レベルの意味情報と幾何形状を同時に持つ環境地図を構築する手法を提案した。
- SLAMの過去・現在・未来:ロバスト知覚時代に向けてSLAM2016/6/1
SLAMの30年の進展を概観し、標準的定式化・ロバスト性・長期マッピング・意味表現・性能保証・能動SLAMなどの研究動向を整理して未解決課題を提示したサーベイ兼チュートリアル論文。
