Rui Cao
The Chinese University of Hong Kong
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
- 不確実性を考慮した深度復元による素材非依存の物体操作深度復元2026/11/1
透明・反射・半透明素材で壊れるRGB-D深度を、不確実性マップと共に反復的に復元し、6D姿勢推定や把持生成の下流性能を向上させるフレームワークを提案。
- MMGNet:雑然としたシーン向けマルチモーダル6自由度把持合成把持計画2026/10/26
RGB画像と点群を階層的に融合し、回転把持度をモデル化することで、雑然とした実環境での6自由度把持姿勢を高精度に生成する手法を提案した論文。
- PAVXploreRL: 行動探索を伴う物理・行動・視覚の世界モデル強化学習世界モデル/強化学習2026/7/18
事前学習済みの潜在世界モデルに強化学習を適用し、物理的妥当性・行動追従性・視覚的忠実性を明示的に最適化することで、専門家データ外の行動への汎化を改善する手法を提案した。
- FactCheck: マルチエージェント協調による実現可能性を考慮した長期行動予測行動予測2026/6/10
本論文では、ビデオから将来の行動系列を予測する際に、物理的な実現可能性を検証する閉ループ機構を備えたマルチエージェントフレームワークFactCheckを提案し、既存手法より高い精度を達成した。
- FocalAD: 局所運動計画によるエンドツーエンド自動運転自動運転/運動計画2025/6/1
自車の計画に重要な近傍エージェントとの局所的な相互作用に着目し、グラフベースの相互作用表現と損失設計で運動予測を精緻化するエンドツーエンド自動運転フレームワークを提案。
- 未見物体インスタンスセグメンテーションへのSegment Anything Modelの適応セグメンテーション2024/9/1
SAMを活用し、ヒートマップベースのプロンプト生成と階層的識別ネットワークで適応させることで、訓練データを10%しか使わずに未見物体のセグメンテーションで最先端性能を達成した。
- DBPF: 動的ビンピッキングのための効率的で堅牢なフレームワークマニピュレーション2024/3/1
移動する物体や障害物がある動的環境で、吸着姿勢選択と速度マッチング・回避・再探索を組み合わせ、衝突ゼロで84%の成功率を達成するビンピッキングフレームワークを提案。
- 二段階把持:小型物体のための新しいビンピッキングフレームワークマニピュレーション2023/3/1
乱雑に積み重なった小型物体を精密に把持するため、粗把持と精密把持を二段階に分けたビンピッキング手法を提案し、実験で有効性を示した。
- 反復自己学習によるSim-to-Real 6D物体姿勢推定とロボットビンピッキングへの応用sim2real2022/4/1
フォトリアルなシミュレータで初期モデルを学習し、実データへの予測を擬似ラベルとして反復的に自己学習させることで、実環境での6D姿勢推定精度とビンピッキング成功率を向上させた研究。
- 推力ベクトル制御に基づく飛行ヒューマノイドロボットの設計飛行ヒューマノイド2021/8/1
腰部と足部にダクトファンを搭載し、足の姿勢で推力ベクトルを制御することで低推力重量比でも安定した離陸を実現した飛行ヒューマノイドJet-HR2の設計。
