Xiaotong Chen
収録論文 13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
- WorldOracle: 実世界実行と比較する行動条件付き世界モデルのベンチマーク世界モデル2026/10/13
同じ初期観測と行動列に対し、行動条件付き世界モデルの予測が実世界の物理的結果やタスク状態遷移を再現できるかを評価するベンチマークを提案。
- 時間に根ざした操作:ロボットマニピュレーションにおける時間的グラウンディングのためのマルチソースデータセットとベンチマークVLA2026/10/3
ロボット操作において過去の出来事に基づく意思決定を評価するためのデータセットとベンチマークGiTを提案し、実世界とシミュレーションの両方で履歴依存タスクにおけるVLAモデルの性能を評価した。
- 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。
- 単眼深度補完を事前情報としたエピポーラ誘導オプティカルフローによる卓上透明シーンの再構成透明物体認識2023/10/1
単眼のセグメンテーションと深度補完で透明物体の形状事前分布を得た後、エピポーラ誘導オプティカルフローで複数視点の情報を統合し、透明物体を3D再構成する手法を提案した。
- TransNet: カテゴリレベル姿勢推定による透明物体マニピュレーションマニピュレーション2023/7/1
透明物体のカテゴリレベル姿勢推定を行うTransNetを提案し、局所的な深度補完と表面法線推定により透明物体の把持・操作を実現した。
- TransNet: カテゴリレベル透明物体の姿勢推定姿勢推定2022/8/1
透明物体の深度補完と表面法線推定を組み合わせ、カテゴリレベルで姿勢を推定する二段階パイプラインTransNetを提案し、既存手法より高精度を達成した。
- VLMbench:視覚と言語による操作のための構成的ベンチマークVLA2022/6/1
言語指示に従ってロボットが物体を操作するタスクのベンチマークVLMbenchと自動デモ生成システムAMSolverを構築し、6D-CLIPortモデルを提案した。
- ProgressLabeller:物体中心3D知覚の学習のための視覚データストリームアノテーションデータアノテーション2022/3/1
色画像列から6Dポーズ学習データを効率的に大量生成するアノテーション手法を提案し、透明物体にも対応、100万件超のデータでポーズ推定ネットワークを微調整してロボット把持成功率を向上させた。
- ClearPose: 透明物体の大規模RGB-Dデータセットとベンチマーク透明物体認識2022/3/1
家庭内の透明物体を対象に、35万フレーム超・500万インスタンス注釈を持つ大規模実世界RGB-Dデータセットを構築し、深度補完や物体姿勢推定のベンチマークを提供した論文。
- アフォーダンス座標系による散乱環境下での操作指向物体認識アフォーダンス認識2020/10/1
物体のアフォーダンス部位とカテゴリレベル姿勢を組み合わせたアフォーダンス座標系(ACF)を提案し、散乱環境下での物体検出と部位姿勢推定で従来手法を上回り、シミュレーションでロボット操作への有効性を示した。
- ソフトロボットアームの設計・制御・応用ソフトロボティクス2020/7/1
ハニカム空気圧ネットワーク構造を用いた多関節ソフトアームを設計し、モデル精度に応じた3種の制御手法を比較検討した論文。
- 透明物体の位置推定のためのライトフィールドによる透明性推論透明物体姿勢推定2019/10/1
ライトフィールドセンシングとフォトリアルなレンダリングを組み合わせ、透明物体の姿勢を2段階で推定する手法LITを提案し、専用データセットProLITで既存手法を上回る性能を示した。
- 敵対的環境におけるロバストな物体認識と把持のための生成的推論手法GRIPマニピュレーション2019/3/1
CNNによる物体検出と生成的推論を組み合わせた2段階の物体検出・姿勢推定システムを提案し、暗所や混雑した敵対的環境でもロバストに把持作業を行えることを示した。
