Winston H. Hsu
収録論文 17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
- FineBench:細粒度な人間活動理解のための視覚言語モデルのベンチマークと性能向上VQA/ベンチマーク2026/5/19
長時間動画における細かい人間の動きや相互作用を評価する新しいベンチマークFineBenchを構築し、既存のオープンソースVLMの弱点を特定。さらにモジュール型フレームワークFineAgentを提案して性能を改善した。
- SceneFunRI: タスク駆動型機能物体位置特定のための不可視領域推論VLM/ベンチマーク2026/5/1
実世界では対象物体が隠れて見えないことがあるが、人間は文脈と常識で位置を推測できる。本論文は、この「不可視領域の推論」をVLMsに課すベンチマークSceneFunRIを構築し、既存モデルの性能が低いことを示した。
- VLN-NF: 偽の前提指示を用いた実現可能性を考慮した視覚言語ナビゲーションナビゲーション2026/4/1
偽の前提(目標が存在しない)を含む指示でエージェントが探索し「見つからない」と明示する新しいベンチマークと手法を提案した。
- アフォーダンス誘導による粗から細への探索:オープンボキャブラリ移動マニピュレーションのためのベース配置移動マニピュレーション2025/11/1
視覚言語モデルの意味理解と幾何学的制約を組み合わせ、タスクに適したアフォーダンスを考慮してロボットのベース配置をゼロショットで探索する手法を提案し、5つのタスクで85%の成功率を達成した。
- スパース性不変特徴の学習による3D物体検出の汎化性能向上3D物体検出2025/2/1
単一のソースドメインから、異なるセンサ構成やシーン分布を持つターゲットドメインへ汎化する3D物体検出の手法を提案。検出器の信頼度に基づき点群をサブサンプリングし、teacher-studentフレームワークでBEV特徴を整列させる。
- 不正確なセマンティックマップに適応する文脈認識型再計画手法物体ナビゲーション2024/9/1
VLMで事前探索したセマンティックマップの不確かさを信頼度スコアと多視点整合性で推定し、追加ラベルなしで誤った判断を修正する再計画手法CAReを提案。物体ナビゲーションで性能向上を実証。
- VICtoR: 長期的操作タスクのための階層的視覚指示相関報酬の学習マニピュレーション2024/5/1
動作なし動画と言語指示から長期的操作タスクの報酬を学習する階層的モデルVICtoRを提案し、段階検出と動作進捗評価で成功率を43%向上させた。
- 適応的エラー検出:少数ショット模倣ポリシーのための新しいタスクとベンチマーク模倣学習2024/2/1
少数ショット模倣ポリシーの行動エラーを新規環境で検出するタスクを提案し、クロスドメインベンチマークとパターン抽出に基づく手法PrObeを開発した。
- WLST: 弱ラベル誘導自己学習による3D物体検出の弱教師ありドメイン適応3D物体検出/ドメイン適応2023/10/1
2Dバウンディングボックスから3D疑似ラベルを生成する自動ラベラーを自己学習に組み込み、3D物体検出の弱教師ありドメイン適応を高精度化するフレームワークを提案。
- BIRD-PCC: 双方向レンジ画像ベースのLiDAR点群深層圧縮点群圧縮2023/3/1
LiDAR点群圧縮のため、無効画素を考慮した双方向予測と深層学習による残差符号化を組み合わせたフレームワークを提案し、既存手法を上回る性能を示した。
- SE(3)同変表現を用いた粗から細への点群位置合わせ点群位置合わせ2022/10/1
SE(3)同変な特徴抽出器で姿勢保持特徴と姿勢不変特徴を同時に生成し、大域合わせと局所マッチングを組み合わせた粗から細への点群位置合わせ手法を提案。
- Orbeez-SLAM: ORB特徴量とNeRFマッピングによるリアルタイム単眼ビジュアルSLAMビジュアルSLAM2022/9/1
ORB特徴量ベースのビジュアルオドメトリとNeRFを組み合わせ、事前学習なしで単眼RGB入力からリアルタイムに高密度マップを生成するSLAMを実現した。
- CFVS: 粗から細へのビジュアルサーボによる6自由度物体非依存ペグインホール組立マニピュレーション2022/9/1
3D視覚フィードバックに基づき、粗い位置合わせから精密な調整へと段階的に行うことで、任意の傾きや大きな初期誤差に対応する6自由度ペグインホール組立手法を提案。
- CrossDTR: 視点横断・深度誘導トランスフォーマによる3D物体検出3D物体検出2022/9/1
軽量な深度予測器で物体ごとの疎な深度マップと低次元深度埋め込みを生成し、視点横断トランスフォーマで画像特徴と融合して3D物体検出を行う手法を提案。歩行者検出精度を大幅に向上させつつ、従来比5倍高速化を実現した。
- ステージ認識注意ネットワーク(SCAN):少数デモンストレーションに条件付けられた模倣ポリシー模倣学習2021/12/1
長さや位相が揃わない少数の専門家デモから、複数ステージからなる複合タスクを学習する注意機構付き模倣学習手法SCANを提案し、異なる専門家からの学習も可能にした。
- 対話型知覚による物体検出の自動適応物体検出2021/8/1
把持システムとの対話を通じて新規物体の視覚観測を蓄積し、人手アノテーションなしで未知物体を検出できる物体検出器ODIPを提案した論文。
- GDN: 粗から細への表現によるエンドツーエンド6自由度把持検出把持検出2020/10/1
点群から多様で正確な6自由度把持を検出するエンドツーエンドネットワークGDNを提案し、粗から細への把持表現により従来の2段階手法より20倍以上高速で精度も向上した。
