Ping Tan
Hong Kong University of Science and Technology
収録論文 30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
- UniLoop：検索から幾何検証・相対姿勢推定までを統合したループ閉じ込め検出ループ閉じ込め検出2026/11/4
事前学習済み幾何基盤モデルの階層表現を再利用し、検索・検証・相対姿勢推定を一つの枠組みで行うループ閉じ込め検出法を提案。冗長な計算を削減しつつ精度とロバスト性を向上させた。
- 検証可能なターゲットベースLiDAR-カメラ外部キャリブレーションキャリブレーション2026/10/20
外部キャリブレーションを検証可能な推定問題として定式化し、共分散に基づく信頼性評価と方向別精度の把握、データ収集の指針を与える手法を提案した。
- 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。
- HiFun: 機能的巧みな操作学習のための階層的フレームワークマニピュレーション2026/10/14
腕と多指ハンドの制御を階層化し、実世界強化学習で精密接触を要する巧みな操作を1時間以内に高成功率で学習する手法を提案。
- Graph3R: ビューグラフ初期化とフィードフォワード再構成の統合3D再構成2026/10/12
複数シーンの混在画像からでも、共有特徴量を用いてビュー間の共視性を推定しシーンごとに分離してカメラ姿勢と形状を再構成する手法を提案。
- WALT: 自動運転のための世界モデル整合潜在軌道学習自動運転2026/9/24
凍結した運転世界モデルの知識を軌道潜在空間に転移し、生のウェイポイント生成より高精度な計画を実現する手法を提案。
- SpatialCrafter: 生成3Dプロキシを用いた単一画像からのワールドモデリング3Dシーン生成2026/8/27
単一画像から探索可能な3Dシーンを生成する新しい2段階フレームワークを提案し、3Dプロキシ生成と外観精緻化を分離することで、従来のビデオ拡散モデルより高品質で3D整合性の高いシーン生成を実現した。
- MatchingPolicy: 対応関係を考慮したポリシーによる物体横断的な文脈内学習の実現模倣学習2026/8/17
デモとシーンの対応関係を明示的に分離し、密な意味的対応に基づいてロボットの動作を条件付ける拡散ポリシーを導入。未見の物体やカテゴリへの汎化性能を向上させた。
- 把持・受け渡し・回転：構成拡散とエネルギーベース最適化による双腕物体再配向双腕操作2026/7/1
双腕ロボットによる物体の再配向（把持、受け渡し、目標姿勢への配置）を、拡散モデルとエネルギーベース最適化を組み合わせて実現する手法を提案した。
- MaskWAM: マスクプロンプトと予測を統合したワールドアクションモデルVLA2026/6/11
ロボット制御のためのワールドアクションモデルに、マスクを入力と予測の両方に統合する手法を提案し、言語の曖昧さを低減して汎化性能を向上させた。
- OmniContact: 接触フローによるメタスキルの連鎖で汎用ヒューマノイド移動操作を実現移動操作2026/6/1
ヒューマノイドの長期的な移動操作タスクを、接触フローという表現を介してメタスキルを階層的に連鎖させるフレームワークを提案し、高い成功率と自律的な失敗回復を実現した。
- スイッチ：ヒューマノイドロボットの俊敏なスキル切り替えの実現歩行2026/4/1
ヒューマノイドロボットが複数の移動スキルをシームレスに切り替えられるようにする階層型マルチスキルシステムを提案した論文。
- PoseVLA: 汎用ポーズ事前学習による汎化可能な視覚-言語-行動ポリシーVLA2026/2/1
VLAモデルの特徴崩壊と学習効率の低さを解決するため、カメラ中心の統一空間で3D空間事前知識を抽出する事前学習と、ロボット固有の行動空間への適応を行う事後学習に分離したPose-VLAを提案。離散ポーズトークンにより多様な3Dデータと軌道データを統合し、RoboTwin 2.0で79.5%、LIBEROで96.0%の成功率を達成。
- HumanX: 人間の動画からヒューマノイドの俊敏で汎用的なインタラクションスキルを獲得模倣学習2026/2/1
人間の動画から物理的に妥当なロボット動作データを生成し、模倣学習でUnitree G1にゼロショット転移するフレームワーク。バスケやサッカーなど5領域10スキルを獲得。
- 合成デモンストレーションから汎化可能な手と物体のトラッキングを学習マニピュレーション2025/12/1
人間のデモなしに合成データのみから、多様な物体形状や手の形態に対応する器用な手と物体のトラッキング制御器を学習する手法を提案。
- DCReg: 幾何学的縮退環境におけるLiDAR位置合わせのための分離特性評価SLAM/位置合わせ2025/9/1
LiDAR位置合わせの縮退問題に対し、ヘッセ行列のSchur補分解で回転・並進を分離して検出し、固有空間と物理運動の対応付けで特性評価し、構造化前処理で安定化する手法を提案。
- ROVER: 反復環境における軌道事前分布を用いたロバストなループ閉じ込み検証SLAM2025/8/1
反復環境でのSLAMにおいて、ロボットの過去の軌道を事前制約として利用し、誤ったループ閉じ込みを棄却する検証手法を提案。
- 汎化可能な両腕マニピュレーションのベンチマーク：CVPR 2025 MEISワークショップにおけるRoboTwin両腕協調チャレンジマニピュレーション2025/6/1
RoboTwinシミュレーションと実機ロボットを用いた両腕マニピュレーションの国際コンペを開催し、17タスクで64チームが競い、汎化可能な協調方策の知見をまとめた。
- Multi-GraspLLM：多様なロボットハンドのための意味誘導型把持生成マルチモーダルLLMマニピュレーション2024/12/1
自然言語指示に基づき、複数のロボットハンドに対応した把持姿勢を生成する統合フレームワークを提案し、接触注釈付き大規模データセットMulti-GraspSetを構築した。
- MapEval: 統合的で堅牢かつ効率的なSLAM地図評価フレームワークSLAM地図評価2024/11/1
SLAMで生成される大規模点群地図を評価するためのオープンソースフレームワーク。ボクセル空間でのガウス近似ワッサースタイン距離を提案し、従来手法より100〜500倍高速で頑健な評価を実現する。
- SkillMimic: デモンストレーションからバスケットボールのインタラクションスキルを学習模倣学習2024/8/1
人間と物体のインタラクションを模倣する統一的な報酬設計で、バスケットボールのドリブル・レイアップ・シュートなど多様なスキルを単一の方策で学習し、スキル遷移や長期タスクも可能にした研究。
- MS-Mapping: 不確かさを考慮した大規模マルチセッションLiDARマッピングシステムSLAM/マッピング2024/8/1
複数セッションのLiDARデータから大規模地図を構築する際に、分布を考慮したキーフレーム選択と不確かさモデルにより、冗長性を抑えつつ高精度で頑健な地図生成を実現した。
- GV-Bench：長期ループ閉じ込め検出の幾何検証のための局所特徴マッチングベンチマークSLAM2024/7/1
長期にわたる環境変化下でのループ閉じ込め検出の幾何検証に焦点を当てた統一ベンチマークを提案し、6つの代表的な局所特徴マッチング手法を評価した。
- MS-Mapping: Wasserstein距離に基づくキーフレーム選択を用いたマルチセッションLiDARマッピングSLAM/マッピング2024/6/1
大規模環境でのマルチセッションLiDARマッピングにおいて、Wasserstein距離に基づくリアルタイムキーフレーム選択と増分ボクセル更新により、データ冗長性とメモリ消費を抑えつつ効率的な地図構築を実現したシステムを提案。
- ニューラル暗黙マップを用いた高密度RGB SLAMSLAM2023/1/1
深度入力なしでRGB画像のみからカメラ軌跡とシーン形状を同時推定するSLAM手法を提案し、階層的特徴ボリュームと測光ワープ損失で高精度な地図再構成を実現した。
- 未見物体の6D姿勢推定：ベンチマークとベースライン6D姿勢推定2022/6/1
訓練時に見ていない新規物体の6D姿勢を推定するタスクを提案し、実画像と合成画像を含むデータセットと新しい評価指標IADDを構築した。2段階のベースライン手法も提案し、その有効性を実験で示した。
- OCRTOC：クラウド型ロボット把持・操作ベンチマークベンチマーク2021/4/1
同一の実機ロボット環境をクラウド経由で提供し、卓上整理タスクの標準化シナリオでアルゴリズムを公平に評価・比較できるベンチマークと競技会を構築した。
- ARマップ：拡張現実のための高精度かつ効率的なマッピングARマッピング2021/3/1
ARシステム向けに、カラー画像・密な深度マップ・完全な点群からなるARマップを定義し、バックパックスキャン装置によるデータ取得からマップ生成、高精度レーザースキャナを用いた精度評価までのエンドツーエンド手法を提案した論文。
- ワンショットで十分：パノラマインフラに基づく複数カメラと3D LiDARのキャリブレーションキャリブレーション2021/3/1
パノラマ状のキャリブレーション用インフラを構築し、単一フレームのデータだけで複数カメラと3D LiDAR間の外部パラメータを高精度かつ効率的に推定する手法を提案した。
- セマンティックエッジ整合を用いたコンパクト3Dマップによる単眼カメラ定位単眼定位2021/3/1
低コスト単眼カメラとIMUで、都市環境に適応した簡略化3Dマップとセマンティックエッジ特徴の整合によりドリフトのないグローバル定位を実現した研究。
