Junyi Ma
収録論文 15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
- WM-VS: 進捗整合型ワールドモデルによる閉ループビジュアルサーボビジュアルサーボ2026/9/17
目標領域との対応からサーボ座標を定義し、行動結果が誤差を減らすかを予測するワールドモデルと反応型方策を学習。実機7自由度系で高精度な閉ループ視覚サーボと未学習目標への転移を実現した。
- HAP: 手駆動型能動的知覚による自己中心視点の頭部運動予測フレームワーク自己中心視点予測2026/9/16
手の動きと対象物の遮蔽関係から将来の頭部6自由度運動を予測する枠組みHAPを提案し、新データセットBottleで既存手法より高精度を示した。
- EEG-VID: タスク誘導型潜在予測事前学習による脳波デコードと支援的ターゲット選択脳波デコード2026/9/1
脳波デコードのためのタスク誘導型潜在予測事前学習フレームワークを提案し、セッションや被験者の変化に対する頑健性を向上させた。
- 人間のビデオからのロボット学習：サーベイ模倣学習2026/4/1
ロボットが人間の行動ビデオからスキルを獲得する手法を包括的にレビューし、タスク・観察・行動指向の転移経路とデータ基盤を整理したサーベイ論文。
- CrashSight: 事故現場理解と推論のための位相認識型・インフラ中心ビデオベンチマークベンチマーク/事故理解2026/4/1
路側カメラ映像を用いた事故理解のための大規模ビジョン言語ベンチマークを構築し、既存のVLMが時間的・因果的推論に課題があることを示した。
- Uni-Hand: 一人称視点における汎用手動作予測動作予測2025/11/1
一人称視点の動画から、頭部と手の動きを拡散モデルで同時に予測し、手首・指先の2D/3D軌道や物体との接触状態まで推定する汎用手動作予測フレームワークを提案。
- 一人称視点動画におけるゼロショット時間的インタラクション定位VLA2025/6/1
一人称視点動画で人間と物体の把持動作のタイミングを、大規模視覚言語モデルと3D手の速度を活用してゼロショットで高精度に定位する手法EgoLocを提案した。
- 融合型場所認識のための明示的インタラクション場所認識2024/2/1
LiDARとカメラの特徴を明示的に相互作用させて相互補完する場所認識ネットワークEINetを提案し、nuScenesベースの新ベンチマークを構築した。
- PC-NeRF: 親子ニューラル放射場による疎LiDARフレームからの大規模3D再構成NeRF/3D再構成2024/2/1
親NeRFと子NeRFの階層構造で空間を分割し、自動運転環境の疎なLiDARフレームから大規模3D再構成と新規視点合成を高精度・高効率に実現した。
- LCPR: マルチスケール注意機構によるLiDAR-カメラ融合場所認識ネットワークVLA2023/11/1
LiDAR点群と多視点RGB画像をマルチスケール注意機構で融合し、視点変化に頑健でヨー回転不変な場所認識表現を生成する手法を提案した論文。
- PC-NeRF: 部分的なセンサデータ欠損下での親子ニューラル放射場NeRF/3D再構成2023/10/1
LiDAR点群の一部が欠損した状況でも大規模3Dシーンを高精度に再構成するため、親NeRFと子NeRFを組み合わせたPC-NeRFを提案した。
- PCPNet: 点群予測のための効率的で意味論を強化したTransformerネットワーク点群予測2023/4/1
過去のLiDAR点群列から将来の点群を予測する自己教師ありTransformerネットワークを提案し、意味論的補助訓練で予測の意味的類似性も高めた。
- CVTNet: LiDARデータを用いた場所認識のためのクロスビューTransformerネットワーク場所認識2023/2/1
LiDARの距離画像ビューと鳥瞰図ビューをTransformerで融合し、視点変化に頑健な場所認識を実現する手法を提案した。
- SeqOT: 時系列LiDARデータを用いた場所認識のための時空間トランスフォーマーネットワーク場所認識2022/9/1
LiDARの連続スキャンから得られる時空間情報をマルチスケールトランスフォーマーで統合し、場所認識のためのグローバル記述子を生成する手法を提案。
- 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。
