Sheng Wang
RoboScience
収録論文 15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
- 物体中心の世界モデルを大規模3D全物体フローデータセットでスケールアップするObjectWorld世界モデル2026/11/8
物体表面全体(遮蔽領域含む)に密な3D軌道を割り当てる「3D全物体フロー」表現と、1210時間の大規模データセットを構築し、画像とタスク記述から全物体フローを予測する世界モデルを学習した研究。
- 見ることと想像することを一つに:身体性世界モデリングのための統合動画生成と4D知覚身体性世界モデル2026/10/29
動画拡散トランスフォーマーを基盤に、将来動画の生成と深度・セグメンテーション・フローなどの密な4D知覚を単一モデルで統合したGenSightを提案し、ロボット操作データで両タスクの高性能を示した。
- WorldFlow:大規模事前学習による動画と3D運動の同時予測世界モデル2026/10/29
動画とクエリベースの3D軌道を同時に生成する世界モデルを提案し、144万サンプルで学習して3D運動予測精度で既存手法を大きく上回った。
- LookStep: 言語的先見とイベント駆動メモリによる効率的な視覚言語ナビゲーションVLA2026/9/2
視覚言語ナビゲーションのための、言語ラベルによる将来状態予測とイベント駆動型メモリを組み合わせた効率的なエンドツーエンドフレームワークを提案。
- 遅延耐性を持つクラウド・エッジ協調型視覚言語行動モデル:創発的表現特化による実現VLA2026/8/1
クラウド上の大規模VLAモデルとエッジの軽量ヘッドを組み合わせ、通信遅延があってもロボット制御を維持する手法を提案。遅延フレームと現在フレームを同じ行動目標で学習させ、クラウド表現にタスク情報を、エッジに状態補正を担わせる。
- RoboFlamingo-Plus:深度とRGBの知覚を融合した視覚言語モデルによるロボットマニピュレーションの強化VLA2025/3/1
既存のRoboFlamingoに深度情報を取り込み、RGBと深度を視覚言語モデルで統合することで、言語指示に基づくロボット操作性能を10〜20%向上させた研究。
- LHPF: 自動運転における履歴を振り返り未来を計画する手法自動運転計画2024/11/1
過去の計画意図を集約して現在の観測と組み合わせる模倣学習型プランナを提案し、実データと合成データで既存手法を上回り、純粋な学習ベース手法として初めて専門家を超える性能を達成した。
- 速度場:軌道計画のための情報豊富な走行コスト表現軌道計画2024/9/1
自動運転の軌道計画向けに、人間の運転デモから学習した進行方向と速度の事前情報を与える局所地図表現「Velocity Field」を提案し、実データでラスタ化コストマップより高信頼・高効率であることを示した。
- RiskMap: 都市走行環境における自動運転の運動計画のための統合運転コンテキスト表現運動計画2024/6/1
交通参加者に対する統計的認知を微分可能なリスク場として表現するRiskMapを提案し、サンプリングベースのプランナで訓練・評価して走行の安全性と滑らかさを改善した。
- 操舵角制約付き全輪操舵ロボットの汎用軌道計画手法軌道計画2024/4/1
全輪操舵ロボットの操舵角制約下で、二次離散探索と予測制御を組み合わせて滑らかで実行可能な軌道を生成する汎用計画手法を提案した。
- DragTraffic: 自動運転のための対話的で制御可能な交通シーン生成シーン生成2024/4/1
画像生成のDragGANに着想を得て、条件付き拡散モデルにより非専門家でも多様でリアルな交通シナリオを対話的に生成・制御できるフレームワークを提案した。
- DHP-Mapping: 階層的世界表現とラベル最適化による高密度パノプティックマッピングシステムマッピング2024/3/1
複数のTSDFサブマップとパノプティックラベルで環境を階層的にモデル化し、サブマップ間のラベル融合とCRFによるラベル最適化で高精度かつ一貫性のある地図を構築するシステムを提案した。
- キャンパスモビリティの革新:自動運転シャトル「スノーライオン」の成果と課題自動運転2024/1/1
大学キャンパス内の移動を自動運転で効率化するシャトル「Snow Lion」を開発し、2ヶ月間・1146kmの実証運行で442人を輸送して有効性と課題を検証した。
- IR-STP: 時空間プランニングにおけるインタラクション推論による自動運転の強化自動運転プランニング2023/11/1
自動運転の時空間プランニングにインタラクション推論を組み込み、予測結果を一様に扱う従来手法より安全で効率的な軌道を生成する枠組みを提案した。
- POP: 部分観測下での高精度軌道予測による自動運転安全性の向上フレームワーク自動運転/軌道予測2023/9/1
完全な観測で事前学習した教師モデルから、観測が少ない生徒モデルへ特徴蒸留で知識を転移し、部分観測下でも安全な軌道予測を可能にするPOPを提案した。
