Kai Zhang
East China Normal University
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
- 信頼度対応の意味・幾何融合によるロバスト探索と高精度ゼロショット物体ゴールナビゲーション物体ゴールナビゲーション2026/11/9
検出信頼度や多視点の空間的信頼度、深度による3D位置推定を融合し、幻覚による方向バイアスや誤停止を抑えたゼロショット物体ゴールナビゲーション手法を提案した論文。
- CausGround: 適応型身体性プランニングのための因果的相互作用グラウンディングプランニング2026/10/21
相互作用経験を行動中心の因果知識として抽出し、事前条件と効果に基づく後向き・前向き推論でMLLMの身体性プランニングを訓練なしに改善するフレームワーク。
- PingpongDuo: 安全なチーム連携を実現する俊敏なヒューマノイド卓球ダブルスマニピュレーション2026/10/14
ヒューマノイド2体が交互に打ち合う卓球ダブルスのため、チームレベルの配置計画と衝突回避、個人レベルのフットワークと打球スキルを階層的に統合したフレームワークを提案し、実機で10連続ラリーを達成した。
- SFVO:双方向PnPを用いた分離型信頼度誘導ステレオフロー視覚オドメトリ視覚オドメトリ2026/9/18
事前学習済みのステレオマッチングとオプティカルフローを活用し、対応点から幾何制約を構築して信頼度を推定するステレオ視覚オドメトリ手法を提案。
- OmniCAD: ロボット組立における3D空間推論のための大規模ベンチマーク空間推論/ベンチマーク2026/8/23
産業用機械組立品の3D空間推論を評価する大規模ベンチマークを構築し、現在の視覚言語モデルが複雑な組立推論に苦戦することを示した。
- SMASH: 自己中心視覚によるヒューマノイド卓球のスケーラブルな全身スキルの習得全身制御2026/4/1
外部センサに頼らず、自己中心視覚のみで連続打撃可能なヒューマノイド卓球システムを構築し、全身協調動作と生成モデルによる多様な打撃動作の学習を実現した。
- 光明探検者:汎用環境における自律探査のための四脚ロボットプラットフォーム歩行2025/12/1
多様な環境で自律探査を行うためのハードウェアとソフトウェアを統合した四脚ロボットプラットフォームを開発し、実世界実験で有効性を示した。
- 初期経験によるエージェント学習言語エージェント2025/10/9
エージェント自身の行動から得られる相互作用データを報酬なしで活用し、世界モデリングと自己内省によって言語エージェントを訓練する手法を提案した。
- 脚式ロボットのための信頼度校正知覚とトポロジカルサブゴール選択による意思決定駆動型意味的物体探索歩行2025/9/1
脚式ロボットがノイズの多い意味的観測を信頼度校正で統合し、トポロジカル記憶とサブゴール選択により効率的に物体探索する手法を提案。
- MonoGlass3D: 平面回帰と適応的特徴融合による単眼3Dガラス検出3D認識2025/9/1
実世界のガラスを3Dアノテーション付きで集めた新データセットを構築し、適応的特徴融合と平面回帰を組み合わせて単眼画像からガラスの領域と奥行きを推定する手法を提案した。
- 不確実性区間を考慮した決定を行う可動障害物間ナビゲーションNAMOUncナビゲーション2025/9/1
観測ノイズや行動失敗などの不確実性を見積もり、障害物を除去するか迂回するかの時間コスト区間を比較して意思決定するNAMOフレームワークを提案し、実機実験で有効性を示した。
- 身体性マルチモーダル大規模モデルの探求:開発・データセット・今後の展望VLA2025/2/1
知覚・認知・行動を統合する身体性マルチモーダル大規模モデル(EMLM)について、LLMや大規模視覚モデルを含む発展、知覚・ナビゲーション・相互作用・シミュレーションの各側面、学習・評価用データセット、課題と今後の方向性を包括的にレビューした論文。
- フリンジ投影プロフィロメトリを用いた屋内SLAMSLAM2022/4/1
フリンジ投影プロフィロメトリ(FPP)の座標変換関係を利用し、2D-3D記述子を併用して高精度な屋内SLAMを実現した論文。約1mmの精度で位置推定と地図生成が可能。
- ロボット注ぎのための自己教師あり透明液体セグメンテーション液体認識/セグメンテーション2022/3/1
着色液体画像から透明液体画像を生成するモデルと背景差分を組み合わせ、手動アノテーションなしで透明液体のセグメンテーションを実現し、コップ内の液面高さを認識する注ぎタスクに応用した。
