Trung Pham
収録論文 7本 ・ フィジカルAI/ロボット学習
世界モデルVLASLAM6D姿勢推定セグメンテーションピッキング/ベンチマーク
※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
- Cosmosによる物理AI向けインタラクティブ世界シミュレーション世界モデル2026/11/4
Cosmos世界基盤モデルを拡張し、行動やシーン操作に応じて映像をリアルタイムに生成する対話型シミュレーションフレームワークを提案。カメラ移動やロボット操作、自動運転のマルチビュー生成などで実証した。
- Cosmos 3: 物理AIのための全モーダル世界モデルVLA2026/6/1
言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。
- 物理AIのための動画基盤モデルによる世界シミュレーション世界モデル2025/11/1
テキスト・画像・動画から世界を生成する動画基盤モデルCosmos-Predict2.5と、Sim2Real/Real2Real変換を行うCosmos-Transfer2.5を発表し、ロボティクス向けの合成データ生成やシミュレーションを可能にした。
- 二次曲面と平面を用いた構造認識SLAMSLAM2018/4/1
物体検出結果を二次曲面としてSLAMに統合し、主要な平面構造も併せてモデル化することで、カメラ位置推定精度と意味的に豊かな地図生成を両立させた研究。
- Deep-6DPose:単一RGB画像から6D物体姿勢を復元する6D姿勢推定2018/2/1
Mask R-CNNに姿勢推定ブランチを追加し、単一RGB画像から物体検出・セグメンテーション・6D姿勢推定をエンドツーエンドで行う手法を提案した。
- SceneCut: 屋内シーンの幾何と物体の統合セグメンテーションセグメンテーション2017/9/1
単一のRGB-D画像から、学習で見ていない物体も含めて物体と非物体表面を同時に分割する手法を提案し、階層的セグメンテーションツリーと境界予測ネットワークで高精度に実現した。
- 再現可能なロボット棚ピッキングベンチマークAPBピッキング/ベンチマーク2016/9/1
42個の物体と棚を使い、知覚から把持まで含む完全なロボットシステムを比較できる再現性の高い棚ピッキングベンチマークを提案し、Baxterロボットによるベースライン結果を報告した。
