Pengying Wu
収録論文 10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
- 不確実性に応じて推論を切り替える物体探索ナビゲーション物体目標ナビゲーション2026/10/20
Conformal Predictionを用いてLLMの高速推論と熟考推論を適応的に切り替え、物体目標ナビゲーションの成功率と効率を両立させた学習不要のフレームワーク。
- CLOSER: 物体ゴールナビゲーションのための証拠に基づく能動的視覚検証物体ゴールナビゲーション2026/10/20
物体検出の誤認による誤停止を防ぐため、VLMによる不確実性ラベリングと多視点の証拠統合、必要なら拡散ポリシーで候補に接近して再観測する能動的検証フレームワークを提案し、ObjectNavの成功率を改善した。
- CoINS: スキル認識VLMによる反事実的インタラクティブナビゲーションナビゲーション2026/1/1
VLMにロボットのスキル能力を組み込み、障害物を除去すべきか反事実的に推論して経路を切り開く階層型ナビゲーション手法を提案。
- SwarmDiff: 拡散トランスフォーマによる混雑環境下の群ロボット軌道計画群制御2025/5/1
群ロボットのマクロ状態を確率密度関数で表し、条件付き拡散モデルとDiffusion Transformerでリスクを考慮した軌道を生成する階層的フレームワークを提案。
- AINav: 大規模言語モデルを用いた適応的インタラクティブナビゲーションナビゲーション2025/3/1
LLMによるタスク計画と強化学習によるスキルライブラリを組み合わせ、環境と能動的に相互作用して経路を切り開く適応的ナビゲーション手法を提案。
- CAMON: LLM対話による協調型マルチエージェント物体探索ナビゲーションマルチエージェントナビゲーション2024/7/1
複数ロボットがLLMを用いた対話で役割分担とリーダー交代を行い、家庭内で複数の物体を効率的に探索・ナビゲーションする分散型フレームワークを提案。
- ASPIRe: 相互情報量近似を用いた情報に基づく軌道計画による目標探索・追跡目標探索・追跡2024/3/1
限られた視野の雑然環境で移動目標を探索・追跡するため、シグマ点近似で相互情報量を効率的に評価し、適応的粒子フィルタ木で軌道を計画する手法を提案した。
- DOZE: 動的環境におけるオープン語彙ゼロショット物体ナビゲーションのためのデータセットナビゲーション2024/2/1
動く障害物や多様な物体、テキスト手がかりを含む高忠実度3Dシーンと18k以上のタスクからなるゼロショット物体ナビゲーション用データセットを提案し、既存手法の課題を明らかにした。
- VoroNav: 大規模言語モデルを用いたボロノイベースのゼロショット物体ナビゲーションナビゲーション2024/1/1
リアルタイム構築したセマンティックマップから縮約ボロノイグラフで探索経路を抽出し、経路と遠景の記述をLLMに与えて常識推論でウェイポイントを決定するゼロショット物体ナビゲーション手法を提案。
- 不確実性を考慮した視認性重視の目標追跡軌道計画軌道計画2023/6/1
システム不確実性下で目標の視認性を保ちながら追跡するため、信念空間検出確率(BPOD)と線形化SDFを用いたリアルタイム軌道計画手法を提案。
