Yanyan Li
収録論文 15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
- Skill-SLM: エージェントスキル駆動型小型言語モデルによる信頼性の高いロボット操作VLA2026/10/7
自然言語指示をサブタスクに分解し、スキルライブラリから適切なスキルを選んで実行可能なロボット操作に組み立てる小型言語モデルフレームワークを提案。
- Ro-SLM: ロボットのタスク計画と動作コード生成のためのオンボード小型言語モデルVLA/タスク計画2026/4/1
クラウドや高性能計算機に依存せず、UAVなどの小型ロボットに搭載可能な小型言語モデル(SLM)を、LLMの知識蒸留と報酬関数によるファインチューニングで実用レベルに引き上げるフレームワークRo-SLMを提案した。
- LLMによる静的テキストシミュレーションを用いた修正型ロボット操作コード生成VLA2025/12/1
LLMを静的シミュレータとして活用し、ロボット操作コードの実行をテキスト上で検証・修正するフレームワークを提案。物理実験や専用シミュレータ不要で高精度なコード生成を実現した。
- 大規模言語モデルによる意味的観測を用いた閉ループUAV運用VLA2025/7/1
UAVの数値的な状態観測を意味的な軌道記述に変換し、コード生成LLMと評価LLMのフィードバックループで信頼性の高いUAV運用コードを生成するフレームワークを提案。
- GSCE: 信頼性の高いLLM駆動ドローン制御のための推論強化プロンプトフレームワークVLA2025/2/1
LLMによるドローン制御の信頼性を高めるため、ガイドライン・スキルAPI・制約・例から成るプロンプトフレームワークGSCEを提案し、複雑なタスクでの成功率と完全性を改善した。
- LiLoc: 適応的サブマップ統合と自己中心因子グラフを用いた生涯ローカリゼーションローカリゼーション2024/9/1
中央セッションと補助セッション間のマルチモーダル因子を活用し、適応的サブマップ統合と自己中心因子グラフで高精度かつタイムリーな生涯ローカリゼーションを実現するフレームワークを提案。
- ループクロージャを活用した堅牢なガウシアンスプラッティングSLAMSLAM2024/9/1
回転する複数のRGB-Dカメラ入力に対応したガウシアンスプラッティングSLAMを提案し、ループクロージャで追跡ドリフトを抑えて高精度な自己位置推定と写実的レンダリングを実現した。
- Open-Structure: SLAMアルゴリズム向け構造ベンチマークデータセットSLAM2023/10/1
SLAMの前処理に依存せず評価できるよう、点・線の計測や対応、共視性因子グラフを直接提供するベンチマークデータセットを構築し、姿勢追跡や最適化モジュールの比較基盤を提案した。
- E-Graph: 拡張性グラフによる剛体回転の最小解法SLAM/幾何推定2022/7/1
重なりのない2画像間の相対回転推定を、消失方向や平面法線を格納する新たなグラフ構造「拡張性グラフ」で解く最小解法を提案し、カメラトラッキングとマッピングに統合した。
- 一貫したシーンセグメントを用いた意味的密再構成3D再構成/意味セグメンテーション2021/9/1
RGB-D列から高精度な3D密再構成と意味セグメンテーションを同時に行う手法を提案し、2Dの一貫したセグメントと3Dモデルを活用した意味投影ブロックで特徴を融合する。
- SRH-Net:ステレオマッチングのためのスタック型リカレント・アワーグラスネットワークステレオマッチング2021/5/1
4Dコストボリュームを視差方向の逐次コストマップに分解し、GRUベースのアワーグラスネットワークで処理することで、精度を保ちつつGPUメモリ消費を最大56.1%削減したステレオマッチング手法。
- ManhattanSLAM: マンハッタンフレームの混合を活用したロバストな平面追跡とマッピングSLAM2021/3/1
屋内シーンの構造情報を利用し、マンハッタンワールド環境と非マンハッタン環境の両方でロバストに追跡できるRGB-D SLAMを提案。平面・直線・点特徴を組み合わせ、平面領域と非平面領域を分けた効率的なsurfelベースの密マッピングを実現した。
- 構造規則性を活用したRGB-D SLAMSLAM2020/10/1
マンハッタン世界仮定のもとで点・線・平面の幾何特徴を統合し、追跡とマッピングの精度を高めたRGB-D SLAMシステムを提案した論文。
- ステレオSLAMと視覚慣性オドメトリのための共平面パラメータ化SLAM2020/9/1
共平面な点と線を2D画像座標と平面パラメータで表現する新しいパラメータ化を提案し、ステレオSLAMとVIOの姿勢最適化を高精度・高効率化した研究。
- Structure-SLAM:屋内環境における低ドリフト単眼SLAMSLAM2020/8/1
屋内向けに回転と並進の推定を分離し、CNNで予測した面法線と線特徴を用いてドリフトの少ない単眼SLAMを実現した研究。
