Qiang Liu
収録論文 18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
- 再構成による空間評価:大規模視覚言語モデルのクロスビュー空間知能を診断するベンチマーク空間知能ベンチマーク2026/11/1
複数視点の実画像から3D物体の向き付きバウンディングボックスを共通座標系で予測させるRECONSPATIALベンチマークを提案し、18のLVLMを評価して相対構造は得意だがメートル尺度の再構成が苦手という一貫したギャップを明らかにした。
- PhysEvo: 凍結モデルの物理的自己改善フレームワークマニピュレーション2026/10/6
単一の凍結モデルを中心に、タスク実行とメタエージェントによる失敗診断・ツール改善を繰り返す物理的再帰的自己改善フレームワークを提案し、シミュレーションと実機で高い成功率を達成した。
- AIM: 実機からシミュレーションへのソフトボディシミュレーションのための適応的相互作用モデリングネットワークsim2real2026/10/5
柔軟物体の変形を予測するため、粒子間の相互作用を局所・大域的に適応的にモデル化し、実機からシミュレーションへの転移を可能にするフレームワークを提案。
- 離散VLAモデルによるヒューマノイドの移動操作VLA2026/9/28
ヒューマノイドの全身動作を部位ごとの離散トークンに分解し、言語モデルの語彙を拡張して学習・リアルタイム制御を可能にしたVLAモデルHolo-Mを提案。
- 任意形状の中継面を用いた3Dガウシアン過渡レンダリングによる非視線計測非視線計測2026/6/19
平面壁や密なサンプリングを仮定せず、任意形状の中継面からの測定データを用いて隠れたシーンを3Dガウシアンで表現し、微分可能な過渡レンダリングで直接再構成する手法を提案。実データで最先端の精度を達成した。
- KG-ASG: 衝突知識に基づく閉ループ敵対的シナリオ生成と主犯・支援車両の帰属自動運転シナリオ生成2026/5/1
自動運転の安全性検証のため、衝突知識ベースと軽量な衝突専門家を用いて、主な敵対車両と支援車両の役割を推定し、実行可能で原因が明確な多車両衝突シナリオを生成するフレームワークを提案した。
- RoboSSM: 状態空間モデルによるスケーラブルな文脈内模倣学習模倣学習2025/9/1
Transformerの代わりに状態空間モデル(Longhorn)を用いた文脈内模倣学習手法を提案し、長い文脈のプロンプトでも効率的に推論できることを示した。
- OpenAI o1モデルの計画能力:実現可能性・最適性・汎化性の評価LLM計画2024/9/1
OpenAIのo1モデルの計画能力を、制約の多いタスクや空間的に複雑な環境で評価し、制約遵守や状態遷移管理に優れる一方、冗長な行動や空間的汎化に課題があることを明らかにした。
- スケーラブルな生成モデルによる動作計画タスクの解決自動運転2024/7/1
運転シーンのダイナミクスを学習する生成モデルを提案し、シミュレーション・計画・オンライン学習に活用できることを示した。
- DaDu-Corki:身体性AIロボットマニピュレーションのためのアルゴリズム・アーキテクチャ協調設計マニピュレーション2024/7/1
LLM推論・ロボット制御・通信を分離し、近未来の軌道予測と専用ハードウェアでマニピュレーションを高速化・省エネ化する協調設計フレームワークを提案。
- AdaMap: エッジにおける高スケーラブルなリアルタイム協調知覚協調知覚2023/9/1
多数のコネクテッド自動運転車がリアルタイムで知覚情報を共有するため、データ圧縮と選択を最適化する協調知覚システムを提案。
- 時空間ヒートマップを用いた模倣学習:NuPlanチャレンジ準優勝ソリューション自動運転計画2023/6/1
自動運転の複雑なマルチモーダルシナリオで安全な計画を実現するため、行動クローニングに時空間ヒートマップ表現を導入し、将来のマルチモーダル状態を予測して軌道を洗練させる手法を提案。NuPlanチャレンジで総合2位、特に進捗と快適性の指標で最高スコアを獲得。
- LLM+P:大規模言語モデルに最適計画能力を付与するフレームワーク計画2023/4/1
自然言語の計画問題をPDDLに変換し古典的プランナーで最適解を求めて自然言語に戻すことで、LLMの長期計画の弱点を補う手法を提案。
- 計画指向の自動運転自動運転2022/12/1
知覚・予測・計画を単一ネットワークに統合し、計画を最終目標として最適化するUniADを提案。nuScenesで従来手法を大幅に上回る性能を示した。
- LiDAR慣性オドメトリのためのファクターグラフアクセラレータSLAM/ハードウェアアクセラレーション2022/9/1
LiDARとIMUなどのセンサ融合による自己位置推定をファクターグラフとしてモデル化し、バッチ・逐次最適化を高速かつ低消費電力で実行する専用ハードウェアを提案した。
- サンプル効率の高い目標条件付き強化学習のための計量残差ネットワーク強化学習2022/8/1
目標条件付き強化学習において、行動価値関数を計量と非対称残差に分解する新しいニューラルネットワークMRNを提案し、サンプル効率を大幅に改善した。
- オペレータ深層Q学習:強化学習におけるゼロショット報酬転移強化学習2022/1/1
報酬関数から価値関数への写像をオペレータとして直接近似する枠組みを提案し、任意の新規報酬に対してゼロショットで価値関数を得られるようにした研究。
- π-BA:共同観測最適化による組込みFPGA上のバンドル調整高速化SLAM/最適化ハードウェア2019/5/1
全点が全画像に写るわけではないという観察に基づく共同観測最適化を組み込み、FPGA-SoC上でハードウェア・ソフトウェア協調設計したバンドル調整エンジンを提案し、性能と消費電力で既存ソフト実装を上回ることを示した。
