Ji Zhang
UESTC
収録論文 36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
- 実行長制御による長チャンク方策のサンプル効率の良いオンライン適応強化学習2026/11/10
長い行動チャンクを予測するロボット方策を、各チャンクをどれだけ実行するかの長さだけを強化学習で適応させることで、少ないオンライン試行で効率的に微調整する手法ExRLを提案した。
- GlassGuard: ロボットナビゲーションのための検証済みガラス平面マッピングナビゲーション2026/10/1
LiDARと視覚情報を組み合わせてガラス面を検出・再構成し、通過可能空間を汚染せずにガラスを障害物として地図化するナビゲーション向けフレームワークを提案。実世界9シーンで評価し、高いガラス被覆率と低い誤検出を達成。
- Map2Route: 意味地図上の構成的言語指示に基づく経路計画ベンチマーク経路計画2026/9/15
意味地図上で複雑な言語指示から経路を計画するベンチマークMap2Routeと、コード実行と検証を組み合わせた手法Grounding2Routeを提案した。
- スーパーオドメトリ2.0:階層的適応による頑健なオドメトリオドメトリ2026/8/26
環境劣化に応じてセンサ融合を動的に適応させる頑健なオドメトリフレームワークを提案。IMUをカメラやLiDARと同等に扱い、劣化時でも信頼性を確保する。
- SuperMap: 視覚言語ナビゲーションのための時空間SLAMシステムSLAM/ナビゲーション2026/8/24
高頻度の幾何SLAMと非同期のオープンボキャブラリ知覚を統合し、物体の同一性維持と古い地図情報の整理を行う4D時空間マッピングフレームワークを提案。
- IntentNav: 人間のデモから空間視覚オブジェクトナビゲーションを学習するナビゲーション2026/6/1
人間のデモから探索意図を学習し、空間記憶と視覚的手がかりを統合してオブジェクトナビゲーションを行うフレームワークを提案。複数ベンチマークで最高性能を達成し、異なるロボットへのゼロショット転移も可能。
- Goal2Pixel: ナビゲーション目標をピクセルに接地する視覚言語ナビゲーションVLMナビゲーション2026/6/1
視覚言語ナビゲーションを、行動予測ではなく画像平面上のナビゲーション可能なピクセル接地として再定式化し、VLMの推論回数を大幅に削減しつつ高性能を達成した。
- SysNav: マルチレベル系統的協調による実世界・クロスエンボディ物体ナビゲーションの実現ナビゲーション2026/3/1
実世界の物体ナビゲーションをシステムレベルで捉え、セマンティック推論・ナビゲーション計画・運動制御を分離した3層システムSysNavを提案し、車輪型ロボット、四足、人型の3つの異なるエンボディで実証した。
- 多数派を超えて:ロボットマニピュレーションのためのロングテール模倣学習マニピュレーション2026/2/1
訓練データが一部のタスクに偏るロングテール問題に対し、データ豊富なタスクからデータ希少なタスクへ知識を転移するApproaching-Phase Augmentationを提案し、ロボット操作の性能を改善した。
- シミュレーションと人間の協調学習によるデータ効率的で汎化可能なロボットマニピュレーションマニピュレーション2026/1/1
シミュレーションのロボット動作と実世界の人間観察を同時に活用する協調学習フレームワークSimHumを提案し、少ない実データで汎化性能の高いマニピュレーションを実現した。
- RPT*: 確率的終端を持つ目標探索のための大域的計画法経路計画2026/1/1
各候補地点に目標が存在する確率を与え、訪問順序に依存する期待コストを最小化する新たな経路計画問題HPP-PTを定式化し、動的計画法と新ヒューリスティクスによる最適保証付き探索手法RPT*を提案した。
- RoboCOIN: 統合マニピュレーションのためのオープンソース両腕ロボットデータ収集マニピュレーション2025/11/1
15種類のロボットプラットフォームから18万件以上の両腕操作デモを集めた大規模データセットを構築し、階層的な注釈とデータ処理パイプラインを提供した。
- 効率的な視覚-言語-行動モデルのサーベイVLA2025/10/1
視覚-言語-行動モデル(VLA)の効率化に関する初の包括的サーベイであり、モデル設計・学習・データ収集の3つの柱で既存研究を整理し、課題と今後の方向性を示す。
- LLM-RG: 大規模言語モデルを用いた屋外シーンにおける参照表現のグラウンディングVLA2025/9/1
屋外運転シーンで自然言語の参照表現(例:「右側の黒い車」)が指す物体を特定するため、視覚言語モデルで属性を抽出し、大規模言語モデルで推論するハイブリッド手法を提案。Talk2Carベンチマークで大幅な精度向上を達成。
- STRIVE: VLM推論を統合した構造的表現による効率的物体ナビゲーション物体ナビゲーション2025/5/1
VLMを物体ナビゲーションに活用するため、環境を視点・物体・部屋の階層で表現し、VLM推論による高レベル計画と低レベル探索を組み合わせる二段階方策を提案。シミュレーションと実機で成功率と効率を向上させた。
- ロボット基盤モデルのためのポリシー対比デコーディングVLA2025/5/1
ロボット基盤モデルが学習する偽の相関を、物体マスク画像との行動確率分布の対比により訓練なしで補正し、汎化性能を向上させる手法を提案。
- InSpire: 内在的空間推論を備えた視覚-言語-行動モデルVLA2025/5/1
VLAモデルに「物体はロボットから見てどの方向か」という空間推論を組み込むことで、タスク無関係な視覚特徴への誤相関を抑え、汎化性能を高める手法を提案。
- SORT3D: 大規模言語モデルを用いたゼロショット3Dグラウンディングのための空間オブジェクト中心推論ツールボックス3Dグラウンディング2025/4/1
2Dの物体属性とヒューリスティックな空間推論ツールボックスをLLMの逐次推論能力と組み合わせ、テキスト-3Dデータなしで未知環境にゼロショット適用できる3Dグラウンディング手法を提案。
- IRef-VLA: 不完全な言語指示を用いた3Dシーンにおける対話的参照グラウンディングのベンチマークVLA2025/3/1
不完全・曖昧な自然言語指示で3D屋内をナビゲートするタスク向けに、11.5Kの3Dスキャン部屋と470万件の参照文を含む大規模ベンチマークデータセットを構築し、既存モデルの性能評価基盤を提供した。
- VLA-3D: 3D意味理解とナビゲーションのための大規模データセットナビゲーション2024/11/1
屋内3Dシーンにおける言語指示ナビゲーション向けに、11.5K以上のスキャン済み部屋、2350万の物体間意味関係、970万の参照文を含む最大規模の実世界データセットを構築し、最先端モデルのベースライン性能を評価した。
- Visual SLAMとセマンティックセグメンテーションを用いた高速な平均放射温度マッピングフレームワークSLAM/セマンティックセグメンテーション2024/10/1
Visual SLAMとGrounded SAMによるセマンティックセグメンテーションを組み合わせ、表面温度情報を付加した3Dサーモ点群から室内の平均放射温度分布を高速に推定・マッピングするフレームワークを提案した。
- 可動障害物を含む対話的環境における探索ベース経路計画経路計画2024/10/1
ロボットが経路上の可動物体を押しのけて進むPAMO問題に対し、巨大な状態空間のごく一部のみを探索するPAMO*を提案し、最大400物体の混雑環境で1秒以内に最適解を得られることを示した。
- Air-FAR: 大規模複雑未知環境における航空ナビゲーションのための高速で適応的な経路計画経路計画2024/9/1
階層的3D可視性グラフを用いて、大規模で複雑な未知環境をリアルタイムに飛行する経路計画手法を提案し、従来手法より大幅に高速かつ効率的な経路生成を実現した。
- Interactive-FAR: 複雑未知環境における可動障害物を考慮した対話的・高速・適応的経路計画ナビゲーション2024/4/1
未知環境で可動障害物を押しのけながらナビゲーションするリアルタイム経路計画アルゴリズムを提案し、従来手法より33%の移動時間短縮と49%の経路効率向上を実現した。
- SubT-MRSデータセット:SLAMを全天候環境へと押し進めるSLAM2023/7/1
煙や粉塵、照明変化など多様な劣化環境を含む実世界SLAMデータセットを構築し、LiDAR・魚眼カメラ・IMU・熱カメラなどのマルチモーダルセンサと空中・脚式・車輪ロボットを組み合わせ、頑健性評価指標を新たに提案した。
- ライトカーテンを用いた自己教師ありマルチアームドバンディットによる能動的速度推定知覚/ナビゲーション2023/2/1
安価で高解像度なプログラマブルライトカーテンを使い、パーティクルフィルタと占有格子で物体の位置・速度を推定する。カーテン配置を情報利得最大化と予測検証で戦略化し、自己教師あり報酬とマルチアームドバンディットでリアルタイムに方策を切替える。
- iSimLoc: 未見環境におけるシミュレーション画像を用いた視覚的グローバル位置推定位置推定2022/9/1
見た目や視点が大きく異なる環境でも、シミュレーション画像を活用した階層的な位置推定により、ドローンの視覚的グローバル自己位置推定を高速かつ高精度に実現する手法を提案。
- MUI-TARE: 初期位置未知のマルチエージェント協調探索群制御2022/9/1
初期位置が不明な複数エージェントがLiDARで3D環境を探索し、サブマップ統合の品質に応じて軌跡再訪を適応的に調整することで、堅牢な地図統合と高効率な探索を両立する手法を提案。
- ALTO: UAVの視覚的場所認識と自己位置推定のための大規模データセットVPR/自己位置推定2022/7/1
ヘリコプターでオハイオ州とペンシルベニア州を飛行した約150kmと260kmの長距離軌道からなる、UAVの視覚的場所認識・自己位置推定研究用の大規模データセットを公開した。
- 乗り心地を考慮した視覚ナビゲーションのための自己教師あり学習ナビゲーション2022/7/1
一人称視点画像から車両の固有感覚信号を教師として走行困難度マップを自己教師あり学習し、乗り心地を考慮したナビゲーションを実現した。
- AutoMerge: 都市規模環境における地図統合と平滑化のフレームワークSLAM/地図統合2022/7/1
多数のLiDAR地図セグメントを順不同・初期推定なしで統合し、大規模地図を構築するフレームワークを提案。都市規模120kmの統合で高精度を実現。
- ALITA: 長期自律性のための大規模インクリメンタルデータセットSLAM2022/5/1
長期自律移動のための場所認識研究を支援する、キャンパス規模と都市規模のLiDAR・全方位カメラデータセットを構築し、評価用Python-APIも提供した。
- 自律探査開発環境と計画アルゴリズム経路計画2021/10/1
自律ナビゲーションシステム開発のためのオープンソース環境と、探査用TARE・経路計画用FARの2つの高レベルプランナを公開し、DARPA地下チャレンジでの統合事例を紹介した論文。
- 動的可視性更新を用いた高速で試行可能な経路計画法経路計画2021/10/1
障害物周辺の点から多角形環境表現を構築し、二層構造で可視性グラフを動的に更新することで、未知環境でも高速に再計画できる経路計画フレームワークを提案した。
- i3dLoc: 環境変化に頑健な画像-距離センサ間クロスドメイン自己位置推定クロスドメイン自己位置推定2021/5/1
全天球画像と3D点群地図を対応付けるため、GANで環境条件に依存しない3D幾何特徴を抽出し、球面畳み込みで視点不変な場所記述子を学習する自己位置推定手法を提案した。
- 社会的グループに追従する群衆内自律ナビゲーション群衆ナビゲーション2019/11/1
深層学習で社会的グループを追跡・合流し、衝突回避層と組み合わせて密集群衆(10m×20mに10人以上)を安全に目的地まで移動するナビゲーションシステムを提案した。
