Yanmei Jiao
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
- G2G: グループ内幾何を活用したグループ間ポーズ推定ポーズ推定2026/6/1
2つの画像グループ間の相対6自由度ポーズを推定する手法を提案。グループ内の既知の幾何情報を活用しつつ、基盤モデルは凍結したまま軽量なモジュールを追加して高精度を達成した。
- IntentReact: トポロジカルな意図による反応的オブジェクト中心ナビゲーションの誘導ナビゲーション2026/3/1
オブジェクト目標ナビゲーションにおいて、局所的な観測のみに依存する反応的制御と大域的なトポロジカル計画のギャップを埋めるため、意図(intent)と呼ばれる低次元の方向信号を導入し、学習されたウェイポイント予測を条件付けてナビゲーションを誘導するフレームワークを提案した。
- マルチカメラ・マルチマップ視覚慣性自己位置推定:システム、検証、データセットVLA2024/12/1
因果的なリアルタイム自己位置推定を実現するマルチカメラ・マルチマップ視覚慣性システムを提案し、評価指標と長期キャンパスデータセットを構築して有効性を示した。
- 局所平面運動下の基礎行列を用いた3Dモデル不要の視覚自己位置推定システム視覚自己位置推定2023/8/1
局所平面運動制約を基礎行列推定と三角測量に組み込み、2D画像データベースのみで高精度かつロバストな視覚自己位置推定を実現する3Dモデル不要システムを提案した。
- 360度視覚位置認識のためのBEV表現の活用位置認識2023/5/1
360度視覚位置認識においてBird's Eye View表現を特徴抽出・集約・LiDAR融合に用いるネットワークを提案し、回転不変な集約とセンサ融合で従来法を上回る性能を示した。
- GOOD: LiDARとカメラの物体候補を統合する汎用最適化ベースの3D物体検出フレームワーク3D物体検出/センサーフュージョン2023/3/1
学習不要の最適化ベースの後期融合フレームワークを提案し、任意の2D/3D検出器の組み合わせで3D物体検出の精度とロバスト性を向上させた。
- DAMS-LIO: 退化検知型モジュラーセンサフュージョンLiDAR慣性オドメトリLiDAR慣性オドメトリ/センサフュージョン2023/2/1
LiDARと慣性センサに加え、退化を検知したときのみ他オドメトリの相対姿勢を統合する軽量iEKFベースのLiDAR慣性オドメトリを提案し、劣悪環境下でも高精度な状態推定を実現した。
- FEJ-VIRO: 一貫性のある一次推定ヤコビアンに基づく視覚・慣性・測距オドメトリVIO2022/7/1
UWB測距を視覚慣性オドメトリに一貫して統合し、アンカー位置を同時推定するFEJ-VIROを提案。可観測性解析に基づき不整合を低減し、長距離ドリフトを抑制する。
- 地図ベース視覚慣性自己位置推定:一貫性と計算複雑性自己位置推定2022/4/1
視覚慣性オドメトリと事前地図の特徴量を統合するフィルタ型フレームワークを提案し、FEJと可観測性制約更新で推定の一貫性を保ちつつ計算コストを削減した。
- LiDAR点群のサイノグラムを用いた並進不変な方位角グローバル推定点群レジストレーション2022/3/1
重力整列済みLiDAR点群の方位角を、Radon変換による並進不変表現と円状相互相関で初期値なしに高速・高精度に推定する手法を提案し、微分可能モジュール化により特徴抽出ネットワークのEnd-to-End学習も可能にした。
- キーフレームマップ上でのドリフトフリーな視覚慣性自己位置推定視覚慣性自己位置推定2021/3/1
MSCKFをベースにキーフレーム姿勢のみを保持する地図でグローバル自己位置推定を行う枠組みを提案し、Schmidt-EKFと再線形化機構で推定の一貫性と精度を向上させた。
- 変化する環境における平面移動ロボットのロバストな自己位置推定:対応点と深度の密度に着目して自己位置推定2020/11/1
深度の有無が混在する対応点を最大限活用し、1組の3D-2D対応と1組の2D-2D対応からカメラ姿勢を推定する最小解法を提案。環境特性に応じて解法を自動選択する仕組みも導入し、テクスチャの乏しい屋内環境でのロバストな視覚自己位置推定を実現した。
- 次元削減を正則化として用いたネットワークベース相対姿勢回帰の汎化性能向上視覚的自己位置推定2020/10/1
学習可能なマッチング層と次元正則化を導入し、画像特徴量に依存しない姿勢回帰を実現することで、未知シーンや大きな視点変化に対する汎化性能とロバスト性を向上させた研究。
- 大域的自己位置推定と誘拐問題のための深層サンプリング可能観測モデル自己位置推定2020/9/1
地図と2Dレーザースキャンから姿勢の条件付き多峰性分布を出力する学習ベースのサンプリングモデルDSOMを提案し、適応的混合MCLと組み合わせて自己位置推定の精度・収束速度・スケーラビリティを向上させた。
- 点と線の地図を用いたロバストな視覚慣性自己位置推定のための大域的最適コンセンサス最大化自己位置推定2020/2/1
点と線の対応から外れ値に強い自己位置推定を実現するため、コンセンサス最大化を回転と並進に分離し、1次元分枝限定法と優先度付き投票で大域的最適解を高速に求める手法を提案した。90%の外れ値があっても正確な姿勢を推定できる。
- 任意配置に対応するLiDAR-カメラキャリブレーション:可観測性と手法キャリブレーション2019/3/1
静止環境でLiDARスキャンを取得し、移動カメラの画像から3D復元してグラフ最適化で位置合わせすることで、共通視野と厳密な時刻同期の制約を不要にしたキャリブレーション手法を提案し、可観測性条件を理論導出した。
- 2エンティティRANSACによる環境変化に頑健な視覚自己位置推定視覚自己位置推定2019/3/1
慣性計測を用いて2組の点対応または点と線の対応から姿勢を閉形式で求め、点と線を同時に使える2エンティティRANSACで外れ値に強い視覚自己位置推定を実現した。
