Wenshan Wang
Carnegie Mellon University
収録論文 49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
- TravSUITE: 自己教師あり・不確実性考慮型IRLと地形推定による走行可能性解析走行可能性/オフロード/自己教師あり学習2026/10/23
視覚基盤モデルを用いたボクセルマッピングと、BEVで幾何・意味・速度・コストを統合予測する自己教師ありネットワークにより、オフロード高速走行のための走行可能性を推定するシステムを提案。
- オフロード走行ダイナミクス学習のための空間構造を活かした知覚表現オフロード走行/ダイナミクス学習2026/10/16
予測状態周辺のBEV特徴をクエリして次状態を予測するSpatialBEVを提案し、オフロードでのダイナミクス予測誤差を17.1%低減、高速走行時の横偏差も25.3%削減した。
- TartanMatch: モダリティを超えた普遍的密対応の実現マルチモーダル対応2026/10/10
RGB・イベント・熱・深度・LiDARの25通りのモダリティペア間で密対応を取る単一モデルを提案し、ゼロショットベンチマークで大幅な精度向上を達成した。
- Map2Route: 意味地図上の構成的言語指示に基づく経路計画ベンチマーク経路計画2026/9/15
意味地図上で複雑な言語指示から経路を計画するベンチマークMap2Routeと、コード実行と検証を組み合わせた手法Grounding2Routeを提案した。
- MAC-I²:ロバストな視覚慣性融合のための学習によるメトリクス対応共分散状態推定2026/9/7
視覚とIMUの融合において、事前定義された不確かさではなく、学習により各モダリティのノイズを反映した共分散を推定し、初期化とキャリブレーションのロバスト性を向上させる手法を提案した。
- スーパーオドメトリ2.0:階層的適応による頑健なオドメトリオドメトリ2026/8/26
環境劣化に応じてセンサ融合を動的に適応させる頑健なオドメトリフレームワークを提案。IMUをカメラやLiDARと同等に扱い、劣化時でも信頼性を確保する。
- SuperMap: 視覚言語ナビゲーションのための時空間SLAMシステムSLAM/ナビゲーション2026/8/24
高頻度の幾何SLAMと非同期のオープンボキャブラリ知覚を統合し、物体の同一性維持と古い地図情報の整理を行う4D時空間マッピングフレームワークを提案。
- オフロード環境における画像ベースのアフォーダンス予測のためのグローバル走行可能性事前知識の蒸留ナビゲーション2026/7/1
衛星画像から得た長距離の走行可能経路を教師として、第一人称視点画像から走行可能性フロンティアを予測するネットワークを学習し、長距離オフロードナビゲーションの性能を向上させた。
- IntentNav: 人間のデモから空間視覚オブジェクトナビゲーションを学習するナビゲーション2026/6/1
人間のデモから探索意図を学習し、空間記憶と視覚的手がかりを統合してオブジェクトナビゲーションを行うフレームワークを提案。複数ベンチマークで最高性能を達成し、異なるロボットへのゼロショット転移も可能。
- Goal2Pixel: ナビゲーション目標をピクセルに接地する視覚言語ナビゲーションVLMナビゲーション2026/6/1
視覚言語ナビゲーションを、行動予測ではなく画像平面上のナビゲーション可能なピクセル接地として再定式化し、VLMの推論回数を大幅に削減しつつ高性能を達成した。
- SysNav: マルチレベル系統的協調による実世界・クロスエンボディ物体ナビゲーションの実現ナビゲーション2026/3/1
実世界の物体ナビゲーションをシステムレベルで捉え、セマンティック推論・ナビゲーション計画・運動制御を分離した3層システムSysNavを提案し、車輪型ロボット、四足、人型の3つの異なるエンボディで実証した。
- AnyThermal:熱知覚のための汎用表現学習に向けて熱知覚2026/2/1
RGB-Thermalデータセットと収集プラットフォームを構築し、視覚基盤モデルから蒸留することで、多様な環境とタスクに適用可能な熱画像バックボーンを学習した。
- RAVEN: オープンセット意味記憶と行動適応による堅牢な空中ナビゲーション空中ナビゲーション2025/9/1
屋外の大規模環境で対象物を探す空中ロボット向けに、3D意味ボクセルマップを記憶として使い、ビヘイビアツリーで探索行動を切り替えるナビゲーション手法を提案。
- LLM-RG: 大規模言語モデルを用いた屋外シーンにおける参照表現のグラウンディングVLA2025/9/1
屋外運転シーンで自然言語の参照表現(例:「右側の黒い車」)が指す物体を特定するため、視覚言語モデルで属性を抽出し、大規模言語モデルで推論するハイブリッド手法を提案。Talk2Carベンチマークで大幅な精度向上を達成。
- ThermalDiffusion: 自律ナビゲーションのための視覚画像から熱画像への変換画像変換2025/6/1
条件付き拡散モデルを用いてRGB画像を熱画像に変換し、熱カメラ向けデータ不足を補う手法を提案。
- UFM: フローとマッチングを統合するシンプルな密対応モデル密対応2025/6/1
広基線マッチングとオプティカルフローを単一のTransformerで統合学習し、両タスクで専門手法を上回る精度と速度を実現した。
- TartanGround: 地上ロボットの知覚とナビゲーションのための大規模データセットデータセット/知覚・ナビゲーション2025/5/1
多様な環境で動く地上ロボット向けに、360度ステレオカメラやLiDAR、占有マップなどを含む大規模マルチモーダルデータセットを構築し、知覚・SLAMタスクの汎化性能評価を可能にした。
- STRIVE: VLM推論を統合した構造的表現による効率的物体ナビゲーション物体ナビゲーション2025/5/1
VLMを物体ナビゲーションに活用するため、環境を視点・物体・部屋の階層で表現し、VLM推論による高レベル計画と低レベル探索を組み合わせる二段階方策を提案。シミュレーションと実機で成功率と効率を向上させた。
- RayFronts: オンラインシーン理解と探索のためのオープンセット意味論的レイフロンティア意味論的マッピング2025/4/1
距離内のボクセルと距離外のレイにオープンセット意味論を統合し、効率的な意味論的マッピングと探索を可能にする表現を提案。
- SORT3D: 大規模言語モデルを用いたゼロショット3Dグラウンディングのための空間オブジェクト中心推論ツールボックス3Dグラウンディング2025/4/1
2Dの物体属性とヒューリスティックな空間推論ツールボックスをLLMの逐次推論能力と組み合わせ、テキスト-3Dデータなしで未知環境にゼロショット適用できる3Dグラウンディング手法を提案。
- IRef-VLA: 不完全な言語指示を用いた3Dシーンにおける対話的参照グラウンディングのベンチマークVLA2025/3/1
不完全・曖昧な自然言語指示で3D屋内をナビゲートするタスク向けに、11.5Kの3Dスキャン部屋と470万件の参照文を含む大規模ベンチマークデータセットを構築し、既存モデルの性能評価基盤を提供した。
- SALON: オフロード走行のための自己教師あり適応学習ナビゲーション2024/12/1
人間の入力なしにオンラインで経験から素早く適応し、リスクを考慮した走行可能性マップを生成する知覚・行動フレームワークを提案。100〜1000倍のデータで学習した手法に匹敵する性能を実現した。
- VLA-3D: 3D意味理解とナビゲーションのための大規模データセットナビゲーション2024/11/1
屋内3Dシーンにおける言語指示ナビゲーション向けに、11.5K以上のスキャン済み部屋、2350万の物体間意味関係、970万の参照文を含む最大規模の実世界データセットを構築し、最先端モデルのベースライン性能を評価した。
- MAC-VO: メトリクス対応共分散を用いた学習ベースステレオ視覚オドメトリ視覚オドメトリ2024/9/1
学習したマッチング不確かさをキーポイント選択とポーズグラフ最適化の重み付けに活用し、空間誤差と軸間相関を捉える共分散モデルを導入したステレオ視覚オドメトリ手法を提案。
- BEVRender: GNSS不感オフロード環境における視覚ベースのクロスビュー車両位置推定位置推定/クロスビュー2024/5/1
GNSSが使えないオフロード環境で、車両周辺の地形をBEV画像として生成し、地理参照済みの航空地図とテンプレートマッチングすることで高精度なクロスビュー位置推定を実現した研究。
- Interactive-FAR: 複雑未知環境における可動障害物を考慮した対話的・高速・適応的経路計画ナビゲーション2024/4/1
未知環境で可動障害物を押しのけながらナビゲーションするリアルタイム経路計画アルゴリズムを提案し、従来手法より33%の移動時間短縮と49%の経路効率向上を実現した。
- 自己教師あり高解像度オフロードマッピングのための深層ベイズ未来融合オフロードマッピング2024/3/1
スパースなステレオ・LiDAR深度データからベイズフィルタリングと知覚損失を組み合わせ、30m先まで2cm解像度の高精細オフロード地図を生成する手法を提案。
- TartanDrive 2.0:オフロード走行の自己教師あり学習研究を加速するマルチモーダル大規模データセットオフロード自律走行/自己教師あり学習2024/2/1
オフロード走行の自己教師あり学習向けに、LiDAR3基を追加した7時間の大規模データセットと、収集・処理・クエリ用のツール群を公開した。
- PIAug:物理情報に基づくデータ拡張によるオフロード走行の車両ダイナミクス学習sim2real2023/11/1
低速データしかない状況で、物理モデルを用いて中・高速域のデータを生成し、物理に基づく損失関数と組み合わせてニューラルネットワークを学習させることで、オフロード車両の高速・アグレッシブな挙動予測精度を向上させた研究。
- SubT-MRSデータセット:SLAMを全天候環境へと押し進めるSLAM2023/7/1
煙や粉塵、照明変化など多様な劣化環境を含む実世界SLAMデータセットを構築し、LiDAR・魚眼カメラ・IMU・熱カメラなどのマルチモーダルセンサと空中・脚式・車輪ロボットを組み合わせ、頑健性評価指標を新たに提案した。
- 逆強化学習によるリスク認識型コストマップの学習:オフロードナビゲーションへの応用オフロードナビゲーション2023/2/1
逆強化学習と並列モデル予測制御を組み合わせ、不確実性を考慮した深層コスト関数を効率的に学習する手法を提案し、オフロード走行で専門家経路の再現性と介入削減を実証した。
- DytanVO: 動的環境における視覚オドメトリと動きセグメンテーションの統合的精緻化視覚オドメトリ2022/9/1
動的環境で失敗しがちな視覚オドメトリに対し、カメラの自己運動と動きセグメンテーションを単一の学習フレームワークで相互に精緻化する初の教師あり学習手法を提案し、実世界の動的環境でATEを平均27.7%改善した。
- PyPose: 物理ベース最適化を統合したロボット学習ライブラリロボット学習ライブラリ2022/9/1
深層学習と物理ベース最適化を組み合わせたPyTorchベースのロボット学習ライブラリPyPoseを提案し、SLAMや計画、制御などへの応用例を示した。
- 自己教師ありコストマップ学習によるオフロード走行の走破性予測走破性予測2022/9/1
外界センサ情報と自己受容感覚による地形との相互作用フィードバックを自己教師ありで組み合わせ、オフロード環境での走破性コストマップを予測する手法を提案。ロボットの速度も考慮し、大規模なナビゲーション実験で介入回数を最大57%削減した。
- オフロード走行のダイナミクス学習のための大規模データセットTartanDriveオフロード走行/データセット2022/5/1
多様な地形で7種類のセンサを用いて約20万回のオフロード走行データを収集し、モデルベース強化学習手法のベンチマークを行った大規模データセット論文。
- COMPASS: 自律システムのための対照マルチモーダル事前学習マルチモーダル事前学習2022/3/1
マルチモーダルな信号をグラフで結び、運動パターン空間と現在状態空間の2つの潜在空間に写像する汎用事前学習手法を提案し、ドローン航行・車両レース・視覚オドメトリで有効性と実環境への汎化を示した。
- 視覚メモリを用いたロボットの興味度推定のための教師なしオンライン学習探索/オンライン学習2021/11/1
翻訳不変な視覚メモリと長期・短期・オンライン学習の3段階構成により、訓練データなしで環境にオンライン適応し興味深いシーンを高速に検出する手法を提案した。
- AirDOS: 動的物体を活用する動的SLAMSLAM2021/9/1
関節物体の剛体構造と運動の一貫性を利用し、カメラ姿勢・物体運動・3D構造を同時最適化することで、混雑環境での視覚SLAMの追跡安定性を向上させる手法を提案した。
- VDB-EDT:VDBデータ構造に基づく効率的なユークリッド距離変換アルゴリズム距離変換/データ構造2021/5/1
VDB構造を用いて距離場を階層的に表現し、近傍探索を高速化することで、メモリ消費を大幅に削減しつつ高速なユークリッド距離変換を実現した論文。
- オクルージョン対応リカレントステレオマッチングによる4K画像の視差推定ステレオマッチング2021/3/1
低視差範囲の画像のみで学習しながら、残差更新とリファインメントにより4K解像度・大視差のステレオマッチングを限られたGPUメモリで実現した手法ORStereoを提案。
- TartanVO:汎化可能な学習ベース視覚オドメトリ視覚オドメトリ2020/11/1
多様な合成データで学習し、カメラ内部パラメータとスケール不変損失を組み込むことで、実世界データセットにも汎化する学習ベース視覚オドメトリを実現した論文。
- 教師なしオンライン学習によるロボットの興味度推定のための視覚的記憶性視覚認識2020/5/1
移動ロボットが興味深いシーンを予測するため、並進不変な視覚記憶と長期・短期・オンライン学習の3段階アーキテクチャを提案し、既存手法より高い精度を達成した。
- TartanAir:視覚SLAMの限界に挑むデータセット視覚SLAM2020/3/1
移動物体や天候変化を含むフォトリアルなシミュレーション環境で、ステレオ画像・深度・セグメンテーション・LiDARなどの多モーダルデータと正確な正解ラベルを大規模に収集した視覚SLAM向けベンチマークデータセットを構築した。
- 学習ベースの芸術的判断による非構造環境での自律空撮空撮/自律飛行2019/10/1
視覚的なターゲット推定、遮蔽を考慮した3D距離場マッピング、長期間の軌道最適化、学習による構図選択を統合し、非構造環境で動く対象を撮影する完全自律空撮システムを実現した。
- 非構造環境で動く対象を追う自律空撮ドローンの基盤空撮/追跡2019/4/1
動く対象の視覚的定位、リアルタイム3D距離場による遮蔽・安全計算、滑らかさと芸術性を最適化するカメラ計画を統合し、未知の非構造環境でも自律空撮を可能にした研究。
- ロボットは映画監督になれるか?空撮のための芸術的原則の学習空撮/強化学習2019/4/1
深層強化学習で撮影ドローンの視点選択を学習し、美的価値の高いショットを自動生成する手法を提案。実機DJI M210でも検証した。
- 半教師あり回帰による空撮向け進行方向推定の汎化性能向上空撮/半教師あり学習2019/3/1
移動する被写体の進行方向推定において、時間的連続性を教師なし信号として利用する半教師あり学習を提案し、ラベル付きデータを大幅に削減しつつ空撮タスクへの汎化性能を向上させた。
- キネマティクスと環境文脈を統合した深層逆強化学習によるオフロード車両の軌道予測軌道予測/IRL2018/10/1
LiDAR統計から環境特徴を学習する2段階ネットワークでキネマティクスと環境を統合し、逆強化学習によりオフロード走行車両の将来軌道分布を予測する手法を提案した。
- 芸術原則を活用した自律ドローン撮影:滑らかで安全、遮蔽のない空中撮影軌道の生成ドローン撮影/軌道計画2018/8/1
映画的な撮影原則と滑らかさ・遮蔽回避を同時に最適化し、ノイズのある被写体予測下でもリアルタイムに軌道を再計画する自律ドローン撮影手法を提案した。
