Xieyuanli Chen
収録論文 70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
- 検証可能なターゲットベースLiDAR-カメラ外部キャリブレーションキャリブレーション2026/10/20
外部キャリブレーションを検証可能な推定問題として定式化し、共分散に基づく信頼性評価と方向別精度の把握、データ収集の指針を与える手法を提案した。
- LAG-IO: 脚式ロボットのためのマルチIMU因子グラフ状態推定状態推定2026/10/13
脚に取り付けた複数のIMUと関節エンコーダを因子グラフで統合し、KDEベースの接触検出でZUPTを適応制御する脚式ロボットの状態推定手法を提案。
- 心で描き、手で成し遂げる:長期的ロボットマニピュレーションのためのマルチモーダル指示追従マニピュレーション2026/10/13
マルチモーダル指示を順序付きサブタスクに分解し、進捗評価器で次に進むタイミングを判断するエージェント「Orchestra」を提案。長期的なロボット操作タスクの成功率と実行長を大幅に改善した。
- G²WAM: 効率的で幾何学的に基盤を持つ画像ゴールナビゲーションのためのワールドアクションモデルナビゲーション2026/10/12
シーン座標定位で空間手がかりを学習し、潜在空間で将来状態と行動を同時予測するワールドアクションモデルにより、3D再構成なしで画像ゴールナビゲーションを効率化した研究。
- Behavior-Skill: 長期的タスクにおける視覚-言語-行動ポリシー評価のための細粒度ベンチマークVLA/ベンチマーク2026/8/31
長期的なモバイル操作タスクを構成するスキル単位で学習・評価するベンチマークを提案し、VLAポリシーの失敗箇所を詳細に分析できるようにした。
- SIPTraj: 物理誘導によるシーン相互作用を用いたマップフリーのエンドツーエンド軌道予測軌道予測2026/8/1
高精細地図を使わずに、エージェントの軌道予測を物理的制約を考慮して行う新しいフレームワークを提案。階層的エンコーダと物理誘導デコーダにより、シーン文脈の接地と運動学的実現可能性を同時に改善した。
- G2IA: 幾何ガイド付きインスタンス認識検索と洗練によるクロスモーダル位置認識位置認識2026/6/13
カメラ画像とLiDAR地図間の位置認識を、幾何情報とインスタンス特徴を統合した記述子で検索し、局所形状と空間配置の整合性を検証して再ランキングする手法を提案した。
- ParkingTransformer: LLM強化による自動駐車のためのエンドツーエンド軌道計画自動駐車/軌道計画/LLM2026/6/1
本論文は、マルチビュー知覚と大規模言語モデル(LLM)のシーン理解能力を組み合わせ、軌道クエリとLLMの暗黙状態特徴を利用して、高密度BEV表現を必要とせずに計画軌道を直接出力する自動駐車フレームワークを提案する。3D位置エンコーディングと固定ウィンドウストリーミング機構を導入し、空間認識と時間処理効率を向上させ、粗密デコード戦略で軌道精度を高める。CARLAシミュレータと実車実験で有効性を検証した。
- MPTF-Net: LiDAR位置認識のためのマルチビュー・ピラミッドTransformer融合ネットワーク位置認識2026/4/1
LiDARベースの位置認識において、NDTによるBEV表現とレンジ画像を多スケールのTransformerで融合し、高精度かつ高速な位置認識を実現した。
- GeoLoco: 視覚基盤モデルの3D幾何学的先験知識を活用したRGBのみによる頑健な人型ロコモーション歩行2026/3/1
深度センサーに頼らず、単眼RGB画像と視覚基盤モデルの幾何学的先験知識を用いて、シミュレーションのみで訓練した人型ロボットの歩行制御を実現し、実機へのゼロショット転送を可能にした。
- Wild-Drive: 頑健なマルチモーダルルーティングと効率的な大規模言語モデルによるオフロードシーン記述と経路計画自動運転/経路計画2026/3/1
オフロード環境でのシーン記述と経路計画を統合するフレームワークWild-Driveを提案。センサ劣化時に信頼できる情報を適応的に集約するMoRo-Formerと効率的なLLMを用い、劣化条件下でも安定した性能を実現。
- DST-Calib: 二重経路・自己教師あり・ターゲット不要のLiDAR-カメラ外部キャリブレーションネットワークキャリブレーション2026/1/1
LiDARとカメラの外部キャリブレーションを、専用ターゲットや高精度正解ラベルなしでオンライン実行できる自己教師ありネットワークを提案。両側データ拡張と差分マップ構築により、汎化性能と精度を向上させた。
- Uni-Hand: 一人称視点における汎用手動作予測動作予測2025/11/1
一人称視点の動画から、頭部と手の動きを拡散モデルで同時に予測し、手首・指先の2D/3D軌道や物体との接触状態まで推定する汎用手動作予測フレームワークを提案。
- LiDAR-VGGT: 大域的整合性とメートルスケールを両立するクロスモーダル粗密融合マッピングSLAM/3Dマッピング2025/11/1
LiDAR慣性オドメトリと3D視覚基盤モデルVGGTを粗密2段階で融合し、メートルスケールで大域的に整合した高密度カラー点群を生成する手法を提案。
- DCReg: 幾何学的縮退環境におけるLiDAR位置合わせのための分離特性評価SLAM/位置合わせ2025/9/1
LiDAR位置合わせの縮退問題に対し、ヘッセ行列のSchur補分解で回転・並進を分離して検出し、固有空間と物理運動の対応付けで特性評価し、構造化前処理で安定化する手法を提案。
- 人間のように掴む:固有感覚運動統合から汎化可能な多指把持を学習マニピュレーション2025/9/1
データグローブで人間の触覚・運動感覚を計測し、グラフ表現と時空間ネットワークを用いてロボット多指ハンドへ把持技能を転移する模倣学習フレームワークを提案した。
- LEMON-Mapping: ループ強化による大規模マルチセッション点群統合とグローバルに一貫したマッピングの最適化マルチロボットSLAM2025/5/1
複数ロボットの点群地図統合において、ループ閉じ込みの外れ値除去と再取得、空間バンドル調整、PGOを組み合わせ、重複領域のぼやけや乖離を抑えてグローバルに一貫した地図を生成するフレームワークを提案。
- 悪天候下でのLiDAR位置認識を実現する反復型タスク駆動フレームワーク位置認識/sim2real2025/4/1
雨・雪・霧で劣化したLiDAR点群を復元モジュールと位置認識モジュールの反復学習で相互に改善し、悪天候でも頑健な位置認識を可能にするITDNetを提案した。
- 洗練された特徴ガイダンスとシーングラフ強化による画像ゴールナビゲーションナビゲーション2025/3/1
限られた画像データから目標・観測・環境の細かな関連を活かし、軽量なアーキテクチャで画像ゴールナビゲーションを実現する手法RFSGを提案。空間チャネルアテンションと自己蒸留、画像シーングラフにより特徴表現を強化し、GibsonとHM3Dで最先端性能を達成。
- 意味グラフを活用した高効率・高ロバストLiDAR SLAMSLAM2025/3/1
LiDAR SLAMにおいて、環境の幾何・意味・トポロジー情報を統合した意味グラフを構築し、オドメトリ失敗時の再位置推定やループ閉じ込みを高精度化する二重スレッド型フレームワークを提案。
- 装着ずれに適応する柔軟な外骨格制御:バインディング整列戦略と全腕協調機構外骨格制御2025/3/1
外骨格装着時のずれや締め付けの不確かさに対処するため、力データを分類して装着ずれを補正するバインディング整列戦略と、腕の運動意図に応じて全腕を協調制御する機構を提案し、柔軟性・適応性・精度・速度・疲労の実験で有効性を示した。
- LuSeg: 月面における正負障害物の効率的セグメンテーションのためのコントラスト駆動型マルチモーダル特徴融合セグメンテーション2025/3/1
月面探査ローバー向けにRGB-Dデータを含むLunarSegデータセットとシミュレータLESSを構築し、コントラスト学習でRGBと深度の特徴を整合させる2段階ネットワークLuSegを提案。正負障害物のセグメンテーションで高精度・約57Hzの高速推論を実現した。
- BEVDiffLoc: 拡散モデルに基づくBEVビューでのエンドツーエンドLiDARグローバル位置推定位置推定2025/3/1
LiDARのグローバル位置推定をポーズの条件付き生成として定式化し、BEV表現と拡散モデルを組み合わせてエンドツーエンドで高精度・高ロバストな位置推定を実現した研究。
- UGNA-VPR:不確かさ誘導型NeRF拡張による視覚的位置認識の新学習パラダイムVPR/NeRF/sim2real2025/3/1
既存のVPRデータセットにNeRFと自己教師あり不確かさ推定を組み合わせ、不確かな視点の合成画像を生成して学習データを拡張し、VPR性能を向上させる手法を提案した。
- EDENet: 地中レーダーに基づく場所認識のためのエコー方向符号化ネットワーク地中レーダー位置認識2025/2/1
地中レーダーのエコー系列と地下構造の幾何関係を利用し、学習可能なガボールフィルタと方向注意機構で大規模地図での場所認識を高精度・軽量に実現した。
- 四足歩行ロボットの安定かつ効率的な移動を実現する新たな多歩容戦略歩行2024/10/1
四足歩行ロボットが様々な地形や速度で安定かつ効率的に移動するため、移動コストと安定性の両方を考慮した歩容選択・遷移戦略を提案し、実験で有効性を示した。
- TRLO: 3D動的物体追跡と除去による効率的なLiDARオドメトリLiDARオドメトリ2024/10/1
動的環境でLiDARオドメトリの精度を高めるため、深層学習による物体検出とUKFベースの3D追跡で動的物体を除去し、ハッシュベースのキーフレーム管理と姿勢制約で状態推定を改善した。
- RING#: 回転並進同変グラム学習による姿勢推定ベースの大域的自己位置推定自己位置推定2024/9/1
BEV空間で2つの同変表現を学習し、場所認識を経由せず姿勢推定から直接位置を求める新しい大域的自己位置推定ネットワークRING#を提案した。
- BEVPlace++:無人地上車両向けの高速・堅牢・軽量なLiDARグローバル位置推定位置推定2024/8/1
LiDARのBEV画像に軽量CNNを適用し、回転同変・不変な特徴抽出により場所認識と3自由度姿勢推定を高精度かつ高速に行う手法を提案。
- GOReloc: グラフベースの物体レベル再定位によるVisual SLAMVisual SLAM2024/8/1
カメラ画像中の物体検出と軽量な物体レベル地図をグラフマッチングで対応付け、RANSAC風の戦略でカメラ姿勢を高精度に再定位する手法を提案。
- NeuroVE: スパイキングニューラルネットワークによる脳に着想を得た線形・角速度推定VLA2024/8/1
イベントカメラとスパイキングニューラルネットワーク(SNN)を組み合わせ、脳の空間細胞の機能を模倣してロボットの自己速度を高精度に推定するフレームワークを提案。
- SGLC: 意味グラフ誘導による粗密精緻化フルループクロージングLiDAR SLAMSLAM2024/7/1
LiDAR SLAMにおいて、前景の意味グラフと背景の幾何情報を組み合わせ、粗→密→精緻のレジストレーションでループ検出と6DoF姿勢推定を高精度・リアルタイムに行う手法を提案。
- TiCoSS: 統合学習フレームワークにおける意味セグメンテーションとステレオマッチングの結合強化ステレオマッチング2024/7/1
意味セグメンテーションとステレオマッチングを統合学習フレームワークで密に連携させるTiCoSSを提案し、KITTIとvKITTI2でmIoUを9%以上向上させた。
- TD-NeRF:カメラ姿勢とNeRFを同時最適化する新しい打ち切り深度事前分布NeRF/姿勢推定2024/5/1
単眼深度の事前分布を打ち切り正規分布に基づくサンプリングと粗から細への学習で活用し、未知のカメラ姿勢からNeRFを学習して姿勢推定と深度形状を高精度化する手法を提案。
- 拡散モデルによるミリ波レーダー点群の超解像点群超解像2024/4/1
ミリ波レーダーの疎でゴースト点を含む点群を、LiDAR点群を教師として拡散モデルで高密度化する手法を提案し、下流の位置合わせタスクへの有効性も示した。
- ModaLink: 画像と点群のモダリティを統合した高速な場所認識クロスモーダル場所認識2024/3/1
深度推定を使わずに点群を画像に近い形式へ変換し、画像と点群を共通の特徴表現に符号化することで、リアルタイムで動作するクロスモーダルな場所認識を実現した。
- RadarMOSEVE: レーダのみで移動物体セグメンテーションと自己速度推定を行う時空間トランスフォーマネットワーク移動物体セグメンテーション2024/2/1
ミリ波レーダの点群のみを用い、レーダ特有の動径速度情報を活かしたself/cross-attention機構により、移動物体セグメンテーションと自己速度推定を同時に高精度で行うトランスフォーマネットワークを提案した。
- VOOM: 階層的ランドマークを用いたロバストな視覚物体オドメトリとマッピングSLAM2024/2/1
物体と特徴点を階層的ランドマークとして粗から細へと活用し、物体情報で特徴点のデータ対応を強化することで、物体指向SLAMやORB-SLAMを上回る精度を実現した視覚オドメトリ・マッピング手法。
- 融合型場所認識のための明示的インタラクション場所認識2024/2/1
LiDARとカメラの特徴を明示的に相互作用させて相互補完する場所認識ネットワークEINetを提案し、nuScenesベースの新ベンチマークを構築した。
- Mobile-Seed: モバイルロボットのためのセマンティックセグメンテーションと境界検出の同時実行セマンティックセグメンテーション2023/11/1
モバイルロボット向けに、軽量な二重タスクフレームワークMobile-Seedを提案し、セマンティックセグメンテーションと境界検出を同時に高精度で行う。
- LiDAR SLAMのための高速・高精度な深層ループ閉じ込みと再定位SLAM2023/9/1
LiDARスキャン間の類似度と6DoF姿勢を推定するマルチヘッドネットワークLCR-Netを提案し、ループ閉じ込みと再定位を統合したSLAMシステムで高精度なオンライン動作を実現した。
- CoFiI2P: 画像と点群の位置合わせのための粗から細への対応付け位置合わせ2023/9/1
画像と点群の位置合わせを粗いマッチングから細かいマッチングへと段階的に行うネットワークCoFiI2Pを提案し、KITTIデータセットで高精度を達成した。
- 動的環境における volumetric belief 構築のための地図ベース移動物体セグメンテーション移動物体セグメンテーション2023/7/1
3D LiDARスキャンと局所地図から移動物体をセグメンテーションし、ベイズフィルタで動的環境の確率的表現を融合する手法を提案。
- クローラロボットのフリッパ制御のための深層強化学習強化学習/ロボット制御2023/6/1
複雑な地形でのクローラロボットのフリッパを自律制御するため、深層強化学習ネットワークAT-D3QNを提案し、シミュレーションで手動操作を上回る性能を示した。
- PowerBEV: 鳥瞰図におけるインスタンス予測のための強力かつ軽量なフレームワーク鳥瞰図インスタンス予測2023/6/1
自動運転向けに、周囲カメラから鳥瞰図で将来のインスタンスを予測する軽量な並列マルチスケールCNNフレームワークを提案し、セグメンテーションと求心後方フローのみで高精度を達成した。
- NeU-NBV: 画像ベースニューラルレンダリングの不確かさ推定を用いた次善視点計画次善視点計画2023/3/1
画像ベースのニューラルレンダリングにおける不確かさ推定を活用し、限られた撮影回数で未知シーンを最もよく表現できる次のカメラ視点を逐次計画する手法を提案した。
- 非構造環境におけるロボットナビゲーションのためのハイブリッドマップベース経路計画経路計画2023/3/1
2Dグリッドと2.5Dデジタル標高マップを融合したハイブリッドマップ表現を提案し、ロボットの姿勢を考慮した走行可能性推定に基づく経路計画手法を開発した。
- ElC-OIS: LiDARデータにおけるオープンワールドインスタンスセグメンテーションのための楕円体クラスタリングLiDARセグメンテーション2023/3/1
LiDAR点群に対し、既知クラスの検出と背景除去を行った後、楕円体クラスタリングと拡散探索で未知インスタンスも高精度にセグメンテーションするオープンワールド手法を提案。
- RDMNet: 自動運転のための信頼性の高い密マッチングに基づく点群位置合わせ点群位置合わせ2023/3/1
3D-RoFormerで信頼できるスーパーポイント対応を抽出し、それを密な点対応に伝播させることで、自動運転向けの高精度な点群位置合わせを実現した。
- CCL: LiDAR位置認識のための継続的対照学習位置認識2023/3/1
LiDAR位置認識における破滅的忘却を防ぐため、対照特徴プールと分布ベースの知識蒸留を組み合わせた継続的対照学習手法CCLを提案し、複数データセットで性能向上を実証した。
- LiDARグローバル自己位置推定のサーベイ:課題・進展・未解決問題自己位置推定2023/2/1
LiDARを用いたモバイルロボットのグローバル自己位置推定について、地図・記述子抽出・クロスロボット推定などの研究動向を整理した初の包括的サーベイ。
- CVTNet: LiDARデータを用いた場所認識のためのクロスビューTransformerネットワーク場所認識2023/2/1
LiDARの距離画像ビューと鳥瞰図ビューをTransformerで融合し、視点変化に頑健な場所認識を実現する手法を提案した。
- SuperFusion: 長距離HDマップ生成のための多段階LiDAR-カメラ融合自動運転/HDマップ生成2022/11/1
LiDARとカメラのデータを多段階で融合し、30m以内の短距離から90mまでの長距離の高精細セマンティックマップを生成する手法を提案。nuScenesと独自データセットで従来手法を大きく上回り、下流の経路計画の改善も示した。
- IR-MCL: 暗黙表現に基づくオンライン大域自己位置推定自己位置推定2022/10/1
ニューラル占有場で環境を暗黙的に表現し、任意の姿勢での2D LiDARスキャンを合成することで、モンテカルロ自己位置推定の観測モデルを高精度化した研究。
- フロアプランマップにおける意味的手がかりを用いた長期自己位置推定自己位置推定2022/10/1
スパースなCADフロアプランと変化する屋内環境において、RGBカメラで検出した意味的手がかりをパーティクフィルタに統合し、長期にわたるロボットの自己位置推定を実現した。
- SeqOT: 時系列LiDARデータを用いた場所認識のための時空間トランスフォーマーネットワーク場所認識2022/9/1
LiDARの連続スキャンから得られる時空間情報をマルチスケールトランスフォーマーで統合し、場所認識のためのグローバル記述子を生成する手法を提案。
- 学習ベースの次元削減によるコンパクトで効果的な局所特徴記述子の計算特徴記述子2022/9/1
多層パーセプトロン(MLP)を用いて、SIFTやHardNetなどの高次元局所特徴記述子を低次元化する手法を提案し、PCAより優れた次元削減性能と下流タスクでの性能向上を示した。
- 都市環境における長期LiDAR自己位置推定のための距離画像上のオンラインポールセグメンテーション自己位置推定2022/8/1
3D LiDARスキャンから生成した距離画像上で幾何特徴に基づく高速なポール抽出を行い、それを疑似ラベルとして深層ニューラルネットワークを訓練し、オンラインでのポールセグメンテーションを実現した。異なるデータセットや季節変化に対して既存手法を上回る自己位置推定性能を示した。
- LiDARベース3D移動物体セグメンテーションのための効率的な時空間情報融合セグメンテーション2022/7/1
LiDARスキャンの時空間情報と複数の表現モダリティを融合する深層ニューラルネットワークを提案し、3D移動物体セグメンテーションの精度を向上させた。
- スパース4D畳み込みによる3D LiDARデータの移動物体セグメンテーション移動物体セグメンテーション2022/6/1
LiDARスキャン列をスパースな4Dボクセル点群に変換し、スパース4D畳み込みで時空間特徴を抽出して移動物体をオンラインでセグメンテーションする手法を提案。
- OverlapTransformer:LiDAR位置認識のための効率的で回転不変なTransformerネットワーク位置認識2022/3/1
LiDARの距離画像を用いた軽量Transformerにより、ヨー角に不変な位置認識を実現し、SLAMのループ閉じ込めを高速かつ高精度に行う手法を提案した論文。
- LiDAR動物体セグメンテーション用の学習データを自動生成するラベリング手法LiDARセグメンテーション2022/1/1
3D LiDARデータに対し、占有情報による動物体除去とカルマンフィルタ追跡を組み合わせて動的/静的物体を自動ラベリングするパイプラインを提案し、手動ラベルと同等の性能で動物体セグメンテーションの学習が可能なことを示した。
- 3D時空間畳み込みネットワークによる自己教師あり点群予測点群予測2021/10/1
過去のLiDARスキャンをレンジ画像列として3Dテンソル化し、3D畳み込みのエンコーダ・デコーダで将来の点群を自己教師あり学習で予測する手法を提案した。
- 都市環境での長期LiDAR自己位置推定のためのオンライン距離画像ベースのポール抽出器LiDAR自己位置推定2021/8/1
3D LiDARスキャンから生成した距離画像上で直接計算を行い、GPUなしでオンライン動作する高速なポール抽出法を提案し、様々なデータセットで自己位置推定性能を検証した論文。
- 3D LiDAR自己位置推定のための重複度ベース観測モデルの学習自己位置推定2021/5/1
3D LiDARスキャン間の重複度とヨー角オフセットを予測するニューラルネット観測モデルを提案し、モンテカルロ自己位置推定に統合して都市環境での車両位置推定を高精度化した論文。
- SuMa++:LiDARを用いた効率的な意味的SLAMSLAM2021/5/1
LiDARスキャンにFCNで意味情報を付与し、動的物体の除去と意味的制約によるスキャンマッチング改善を実現した意味的SLAM手法。
- OverlapNet:LiDAR SLAMのためのループ閉じ込みSLAM2021/5/1
LiDARの距離画像間の重なりと相対ヨー角を深層学習で推定し、SLAMのループ閉じ込み検出を高精度化した研究。未学習環境でも汎化性能を示す。
- 3D LiDARデータにおける移動物体セグメンテーション:時系列データを活用した学習ベース手法移動物体セグメンテーション2021/5/1
回転式3D LiDARの連続レンジ画像とCNNを用い、車両や歩行者などの意味クラスではなく「移動中か静止中か」を区別してシーンをセグメントする手法を提案し、SemanticKITTIベースの新ベンチマークも公開した論文。
- 距離画像を用いたLiDAR自己位置推定自己位置推定2021/5/1
3D LiDARスキャンから生成した距離画像とメッシュ地図のレンダリング画像を照合し、モンテカルロ法で大規模屋外環境における車両の自己位置を高精度に推定する手法を提案した。
- 冗長オドメトリを活用した堅牢な自律走行車の自己位置推定オドメトリ2021/5/1
LiDARと単眼カメラによる複数のオドメトリ手法を並列実行し、車両の運動制約やスキャン照合スコアで最良の推定を選択することで、故障に強い自己位置推定を実現した。
