Shaoyuan Xie
UC Irvine
収録論文 9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
- SafeDriveVLA: ナビゲーション条件付きワールドモデルドリーミングによる衝突認識型エンドツーエンド自動運転自動運転VLA2026/10/14
ナビゲーション指示への追従と危険な指示への対処を両立するため、ナビゲーション準拠モードを予測し、ナビゲーションに従う未来を想像するワールドモデルを組み合わせた自動運転VLAを提案。
- BEVLM: LLMの意味知識をBird's-Eye View表現に蒸留する自動運転2026/3/1
LLMの意味理解能力をBEV表現に統合し、自動運転の空間推論と安全性を向上させるフレームワークを提案した。
- RoboSenseチャレンジ:あらゆる環境を認識し、どこへでも移動し、プラットフォームを超えて適応するロボット知覚ベンチマーク2026/1/1
ロボット知覚の堅牢性と適応性を競うRoboSense 2025チャレンジの報告で、5つのタスクのベンチマークと23の受賞解法から得られた知見をまとめた。
- VLMは自動運転に本当に使えるのか?信頼性・データ・評価指標の観点からの実証研究VLA2025/1/1
自動運転向けVLMの信頼性を17設定・約2万フレームで評価するベンチマークDriveBenchを構築し、VLMが視覚ではなく一般知識やテキスト手がかりに依存しがちであることを明らかにした。
- RoboDriveチャレンジ:あらゆる条件でいつでもどこでも走行する自動運転知覚2024/5/1
悪天候やセンサ故障など想定外の状況でも頑健に知覚できる自動運転技術を競う2024年RoboDriveチャレンジの報告で、BEV検出や地図セグメンテーションなど4タスクで140チームが参加した。
- 自動運転におけるBird's Eye View知覚のロバスト性のベンチマークと改善BEV知覚2024/5/1
BEV知覚モデルのロバスト性を評価するベンチマークRoboBEVを提案し、33モデルを検証してCLIPベースの改善手法を設計した。
- RoboDepth: 劣化条件下でのロバストな分布外深度推定深度推定2023/10/1
天候・センサ故障・処理異常の18種類の劣化を網羅する深度推定のロバスト性テストスイートを提案し、42モデルを評価した。
- RoboDepthチャレンジ:ロバストな深度推定に向けた手法と進歩深度推定2023/7/1
悪天候やセンサ故障などに対応するロバストな深度推定を競うRoboDepthチャレンジの優勝解法をまとめ、空間・周波数領域の拡張や拡散モデルなど多様な手法を分析した。
- RoboBEV: 劣化条件下での堅牢なBird's Eye View知覚に向けてBEV知覚/堅牢性2023/4/1
カメラベースのBird's Eye View (BEV) 知覚モデルの堅牢性を評価するため、8種類の劣化(明るさ・暗さ・霧・雪・モーションブラー・色量子化・カメラクラッシュ・フレームロスト)を含むベンチマークRoboBEVを提案し、様々なBEVモデルの分布外性能を分析した。
