Jun Zhang
HKUST
収録論文 33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
- VLA-Rolling: 行動テール再利用で高速・高精度化するVLA推論VLA2026/10/18
フローマッチング型VLAの未実行行動テールを再利用し、信頼度に応じた再ノイズ化とデノイズ予算配分で推論を高速化・高精度化する軽量フレームワークを提案。
- 知覚・予測・計画:自己中心的な巧みな操作のための統合ワールドアクションモデルVLA2026/10/15
動画から手の動きとカメラ軌道を再構成し、行動に基づく未来映像を生成し、言語指示と目標から行動軌跡とその結果を計画する3モードを統合したモデルを提案。
- Demiurge: 自己回帰ビデオ再レンダリングによるナビゲート可能な4D世界の構築4D生成/ビデオ拡散2026/10/10
動的4D点群メモリを基盤に、外観拡散モデル・深度補完・メモリ対応ワーピング・幾何認識リファインメントを組み合わせ、単一動画から軌跡間で一貫したナビゲート可能な4D世界を自己回帰的に生成する手法を提案。
- 信頼すべき対応を学習:LiDAR地図におけるイベントカメラの信頼度重み付き位置推定位置推定2026/10/8
イベントカメラをLiDAR地図上で位置推定する際、各対応点の信頼度を微分可能な確率的PnPを通じて学習し、フロー教師信号の重み付けや対応選択、エッジマッチング精緻化に活用する手法を提案。
- 無線センサネットワークにおけるデータ収集のためのUAV経路計画を最適化する学習手法経路計画2026/9/15
無線センサネットワークでのデータ収集に向けたUAV経路計画を、二段階の学習ベース最適化と景観認識型データ拡張で高精度かつ適応的に解くフレームワークLAMDEを提案。
- 高さ制約付き2点最小解法:イベントカメラとアクティブLEDマーカーによる姿勢推定姿勢推定2026/8/1
IMUや高度計から得られる傾き角とカメラ高さを利用し、2つのLEDマーカーのみでカメラ姿勢を推定する最小解法を提案した。閉形式と線形最小二乗の両方で解を導出し、実データで精度を検証した。
- 何を無視し、何に反応するか:VLAモデルの視覚的に頑健なRLファインチューニングVLA/RLファインチューニング2026/5/1
VLAモデルのRLファインチューニングにおいて、視覚変化がタスクに無関係か挙動変更を要するかを区別する補助目的を追加し、視覚的頑健性を向上させるPAIR-VLAを提案した。
- LEAR: エッジ認識表現学習によるイベントカメラ-LiDAR位置推定位置推定2026/3/1
イベントカメラとLiDAR点群の位置合わせを、エッジ構造と深度フローを同時推定するデュアルタスク学習で解決する手法を提案。
- DreamDojo: 大規模人間動画から学ぶ汎用ロボット世界モデル世界モデル2026/2/1
44,000時間の一人称視点人間動画から汎用的なロボット世界モデルを学習し、連続潜在行動を代理ラベルとして活用することで、巧みな操作の物理理解と精密な行動制御を実現した研究。
- パズルを解くように:オフライン協調強化学習のための局所から大域への世界モデルマルチエージェント強化学習2026/1/12
マルチエージェント系の局所予測から大域状態を推定する世界モデルを構築し、不確実性を考慮した合成データでオフライン強化学習の汎化性能を高める手法を提案。
- UrbanV2X: 都市部における協調ナビゲーションのためのマルチセンサ車両インフラデータセット協調ナビゲーション2025/12/1
香港のC-V2Xテストベッドで車両と路側インフラから収集したマルチセンサデータセットを構築し、協調ナビゲーションアルゴリズムのベンチマークを実施した。
- 聴き・見・話し・行動する統合モデルELLSAVLA2025/10/1
視覚・テキスト・音声・行動を単一アーキテクチャで同時に知覚・生成する全二重エンドツーエンドモデルを提案し、対話と行動の割り込みや発話しながらの行動などを実現した。
- EVLoc: イベントカメラとLiDAR地図を用いたイベント-深度レジストレーションによる視覚的自己位置推定自己位置推定2025/3/1
イベントカメラの画像とLiDAR地図から生成した深度マップを2D空間で位置合わせし、PnPソルバでカメラ姿勢を推定する自己位置推定手法を提案。
- AdaWorld: 潜在行動で適応可能な世界モデルを学習する世界モデル2025/3/1
動画から自己教師ありで潜在行動を抽出し、それに条件づけた自己回帰的世界モデルを事前学習することで、新しい環境や行動への適応を効率化する手法を提案。
- 低遅延エッジSLAMのためのジョイントオフローディングとスケジューリングの統合エッジSLAM2025/2/1
移動ロボットのvSLAMをエッジサーバで支援する際に、入力変動と時間変化する要求に対応するため、領域特徴予測・圧縮/オフロード統合・制約付きスケジューリングを組み合わせた新アーキテクチャを提案し、姿勢推定精度の向上と通信コストの最大47%削減を実現した。
- EmbodiedCity:実世界都市環境における身体性エージェントのためのベンチマークプラットフォーム身体性AI/都市シミュレーション2024/10/1
実在都市の建物や道路を再現した高精細3Dシミュレータ上で、歩行者・車両の流れを再現し、身体性AIの評価タスクと入出力インターフェースを提供するベンチマークを構築した。
- ニューラルグラフマップ:ループ閉じ込みを効率的に統合する高密度マッピングSLAM/ニューラルマッピング2024/5/1
RGB-Dシーンを軽量なニューラルフィールドの集合として表現し、疎な視覚SLAMのポーズグラフに動的に接続することで、大規模なループ閉じ込みを最小限の再統合で扱えるマッピング手法を提案した。
- NeuRSS: ニューラルレンダリングによるサイドスキャンSLAMのAUV位置推定と海底地形マッピングの強化SLAM2024/5/1
サイドスキャンソナーとニューラルレンダリングを組み合わせ、ループ閉じ込みを活用したSLAMによりAUVの位置推定と海底地形推定を反復的に改善するフレームワークを提案した。
- 古典手法と学習ベース手法によるマルチビーム点群位置合わせのベンチマーク点群位置合わせ2024/5/1
南極の自律型水中探査機から得たマルチビーム音響測深点群データセットを公開し、古典的手法と学習ベース手法の位置合わせ性能を比較評価した。
- サイドスキャンソナーを用いた密なサブフレームベースSLAMフレームワークSLAM2023/12/1
サイドスキャンソナー画像をサブフレームに分割し、密な対応点から相対姿勢を推定して因子グラフでAUVの軌跡を最適化するSLAM手法を提案し、実データでドリフト低減と海底地形再構成を実証した。
- NTU4DRadLM: 4Dレーダ中心のマルチモーダルSLAMデータセットSLAM2023/9/1
4Dレーダ・熱カメラ・IMU・LiDAR・カメラ・RTK GPSを同時収録し、SLAM研究向けに設計した大規模データセットを構築・評価した。
- サイドスキャンソナーのための正規画像表現の評価音響センシング2023/4/1
サイドスキャンソナーの画像歪みを補正する正規変換手法を提案し、実データでパッチ類似度とSIFTマッチング精度の向上を検証した。
- サイドスキャンソナーによる完全自動SLAMフレームワークSLAM2023/4/1
サイドスキャンソナー画像から特徴点を自動検出・対応付けし、AUVの軌跡を最適化するSLAMフレームワークを提案した。実データで評価し、デッドレコニングのドリフトを低減できることを示した。
- 過捻りとコイル化によるツイストストリングアクチュエータのひずみ生成の大幅な向上アクチュエータ2022/9/1
ツイストストリングアクチュエータにおいて、過捻りにより均一なコイルを形成させることで、剛性の高いUHMWPEで約70%、柔軟なSCPで約60%のひずみを実現し、その特性を調査した。
- 腱による剛性調整を備えた人間模倣型ツイスト糸駆動ソフトロボットグリッパソフトグリッパ2022/7/1
ツイスト糸アクチュエータと拮抗配置の腱で指の剛性を調整できる人間の手に着想を得たソフトグリッパを開発し、33種の把持のうち31種を再現、自重の約13倍にあたる72Nの把持力を達成した。
- OverlapTransformer:LiDAR位置認識のための効率的で回転不変なTransformerネットワーク位置認識2022/3/1
LiDARの距離画像を用いた軽量Transformerにより、ヨー角に不変な位置認識を実現し、SLAMのループ閉じ込めを高速かつ高精度に行う手法を提案した論文。
- 画像ベースのカメラ姿勢推定技術の批判的解析位置推定2022/1/1
カメラ位置推定の応用分野・評価指標・手法(構造ベース、絶対/相対姿勢回帰)を整理し、データセットと性能を比較して今後の研究方向を論じたサーベイ。
- 視覚的位置認識のための意味論的強化注意学習視覚的位置認識2021/8/1
意味論的事前知識とデータ駆動の微調整を組み合わせた注意機構により、都市規模の視覚的位置認識で従来手法を上回る性能を達成した論文。
- 動的環境におけるロバストな自己運動と物体の6自由度運動推定・追跡視覚オドメトリ2020/7/1
セマンティックセグメンテーションとオプティカルフローを組み合わせ、SE(3)運動とフローを同時最適化することで、動的マルチボディ視覚オドメトリの精度と追跡安定性を向上させた研究。
- 動的物体を認識する視覚SLAMシステム VDO-SLAMSLAM2020/5/1
セマンティック情報を活用し、形状の事前知識なしに動的剛体物体の運動推定と追跡を行うSLAMシステムを提案。ロボット軌道と物体のSE(3)運動、時空間マップを高精度に推定する。
- 暗黙の事前知識を活用した連続体ロボットの効率的強化学習制御連続体ロボット/強化学習2020/2/1
シミュレーション不要で実機に直接適用できる、暗黙の事前知識に基づく効率的な強化学習手法を提案し、腱駆動連続体ロボットの能動的視覚追従と距離維持を実現した。
- 動的環境向け高速SLAM:モデル不要の物体認識型アプローチ動的SLAM2020/2/1
セマンティックセグメンテーションを活用し、物体の3Dモデルや姿勢推定を必要とせずに剛体物体の速度をリアルタイム推定する、モデルフリーな物体認識型動的SLAMアルゴリズムを提案した。
- 通信接続性を考慮したUAV経路計画と空中カバレッジマップの活用経路計画2019/5/1
セルラーネットワークの空中カバレッジの穴を空中カバレッジマップで把握し、通信品質の指標を導入して接続性制約下で最短経路を探索する低計算量アルゴリズムを提案した。
