Yue Wang
University of Southern California
収録論文 226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
- SurgTAP-3D：接触を考慮した3D動作追跡による大規模手術横断ビデオデータセット手術映像/3D追跡2026/11/8
未較正の単眼手術動画から接触領域プロンプトや動的バンドル調整を用いて4Dアノテーションを生成し、52万フレーム・140万軌跡からなる大規模手術3D動作追跡データセットとベンチマークを構築した論文。
- UniLatent: 潜在観測アライメントによる異なる身体間の転移学習クロスエンボディメント転移2026/11/6
シミュレーションで生成したペア観測を用いて、異なるロボット間の視覚エンコーダを潜在空間で揃え、ピクセル変換なしでソースのデモをターゲットロボットに転移させるフレームワーク。
- 美的評価と物理的滑らかさを分離するヒューマノイド歩行学習歩行2026/11/5
VLMによる美的スコアと物理的滑らかさが逆方向を向くことを示し、両者を独立した報酬チャネルに分離するPhySAを提案。MuJoCoで関節加速度を削減したが、他環境への転移は限定的。
- 動的ウォーターマーキングと行動条件付き潜在ダイナミクスによる安全な視覚ベース制御視覚ベース制御/セキュリティ2026/11/5
視覚ベース制御へのリプレイ攻撃を検出するため、制御入力に秘密のガウスウォーターマークを付加し、画像から学習した潜在空間で応答を予測して不一致を検出する適応的フレームワークを提案。強化学習でウォーターマーク強度を調整し、検出性と制御歪みのバランスを取る。
- 空間幾何を活用したUMI操作のためのワールドアクションモデルVLA2026/11/4
RGB-DのUMIデータで学習し、将来のRGB・メートル深度・行動を同時予測する5Bのワールドアクションモデルを提案し、ロボット実機や環境変化への汎化を評価する新ベンチマークも構築した。
- 実行可能性を考慮した階層強化学習による連続環境での視覚言語ナビゲーション視覚言語ナビゲーション2026/10/28
言語条件付きプランナと目標条件付き実行者を同時学習するMATCHを提案し、連続環境のVLNベンチマークで最高性能を達成した。
- ズームなしで詳細を見るv2：汎化可能なマルチモーダル知覚のための証拠連結マルチモーダル知覚2026/10/27
画像内の関連領域をズームした視点から比較・集約・連鎖を要する質問を合成し、複数VLMの一致と領域除去テストで品質を担保してRLVRで学習。下流ベンチマークに特化せず細粒度・空間知覚や長文脈理解、エージェント課題を改善。
- RynnUnify：統合型身体性ブレインへの挑戦VLA2026/10/23
動画と言語の交互推論で身体的理解と長期視覚計画を統合した16Bモデルを提案し、強化学習によるエージェント拡張とロボット制御への拡張も実現した。
- 理由タグで人間の選好を学習する強化学習強化学習2026/10/16
選好ラベルに加えて「なぜ好まれるか」の理由タグを活用し、人間の意図に沿った報酬モデルを軌道レベルで学習する枠組みを提案した論文。
- T2-Z: ロボット世界モデルのためのテスト時環境潜在最適化世界モデル2026/10/15
世界モデルに学習可能な環境潜在を付加し、テスト時に少数の相互作用から潜在を最適化することで未知環境へ適応する手法を提案。
- PathTime-VLA: 視覚言語行動ポリシーの因子化事後学習のための経路・時間分離VLA2026/10/8
VLAポリシーの行動を経路と時間プロファイルに分離して表現し、事後学習で経路生成と実行速度を別々に学習することで、成功率を保ちつつタスク完了時間を約4〜5割短縮した。
- Reflex: 視覚に基づく反応型ヒューマノイド全身制御全身制御2026/10/8
投げられた箱を一人称RGB-D視覚から全身で捕球するヒューマノイド制御を、強化学習と視覚エンコーダを段階的に学習する3段階フレームワークで実現した。
- eRLT: 行動に関連するトークンルーティングによる効率的なVLA強化学習VLA2026/10/1
凍結したVLAモデルからタスク固有の行動関連特徴をトークンと層をまたいで抽出し、強化学習のサンプル効率を向上させる手法を提案。
- StreamRig: リグ内幾何を活用したストリーミング多カメラオドメトリオドメトリ/多カメラ2026/9/30
凍結した多視点3D基盤モデル上に、キャリブレーション済みカメラリグの幾何を活かした因果的ストリーミングオドメトリを構築するフレームワークを提案。
- BIND: 3Dロボット動作を2D画像特徴に結びつける新表現VLA2026/9/29
カメラ幾何学を用いて3D動作候補を各視点の2D画像特徴に投影・スコアリングすることで、データ効率と視点・物体位置の変化への頑健性を高めた視覚運動ポリシーを提案。
- PhysWAM: 自動運転のための物理的に整合した世界行動モデル自動運転/世界モデル2026/9/29
マルチビュー動画・深度・自車運動を単一のフローマッチングTransformerで同時生成し、生成した深度と運動をLiDAR点群に整合させる幾何制約CPPを導入した自動運転向け世界行動モデル。
- Rolling-WAM: 転がる想像による世界行動モデルVLA2026/9/24
ロボット操作のための世界行動モデルにおいて、映像と行動のノイズ除去を再計画サイクルごとに分割して行うことで、計算遅延を抑えつつ4.5倍の再計画高速化を実現した手法。
- HOTICE: 混雑環境における全身ヒューマノイド物体搬送ロコマニピュレーション2026/9/21
混雑環境で物体を運ぶため、ロボットと荷物の衝突回避を統合したポテンシャル場と、上下半身を分離しつつ全身協調を保つ二重エージェント強化学習、専門家から一般化への蒸留を組み合わせた全身ロコマニピュレーション学習フレームワーク。
- Neverwhere ビジュアルパルクールベンチマークスイートsim2real2026/9/14
3Dガウススプラッティングで再構成した60以上の都市シーンからなる、視覚移動制御の閉ループ評価環境を構築し、多様なデータの必要性を示した。
- PccDiffuser: 連続体ロボットのためのマルチソリューション動作計画動作計画2026/9/9
連続体ロボットの経路計画において、条件付き拡散モデルを用いて複数の候補解を並列生成し、アクチュエータ制約を考慮した軌道に変換する手法を提案。障害物0〜4個の環境で91%の成功率を達成し、従来手法より高成功率かつ高効率であることを示した。
- 連続環境における視覚言語ナビゲーションの閉ループ強化学習のためのマクロ行動に基づくトポロジカルグラフの再考ナビゲーション2026/9/3
VLN-CEタスクを階層的MDPとして再構成し、トポロジカルグラフ上のマクロ行動空間で強化学習を行うことで、サンプル効率と性能を向上させた。
- GAFT: 地理的アンカーによる微調整を用いた稀な失敗からの危険特定オフロードナビゲーション/危険特定2026/8/31
オフロード走行中の高重心化や閉じ込めなどの稀な失敗事例から危険構造を特定するため、視覚基盤モデルを幾何学由来の事前情報で微調整する手法GAFTを提案した。
- Logic-VLA: 時間論理条件付き視覚言語行動モデルVLA2026/8/20
自然言語指示に加えて、推論時に与えられる信号時相論理（STL）仕様を満たすように行動を調整するVLAモデルを提案。STLエンコーダと2段階のポリシー適応により、形式要件の充足率を大幅に向上させつつ、通常のタスク成功率をほぼ維持する。
- 異種ロボットのための校正済み予測安全：行動条件付きJEPAフレームワークとモデルベース安全シールドVLA/安全保証2026/8/18
視覚言語行動ポリシーに実行時保証を追加するため、行動条件付きJEPA世界モデルで候補行動のタスク進捗と物理リスクを予測し、モデルベース安全シールドでフィルタリングするパイプラインを提案した。
- LadderMan: 人型ロボットによる知覚的梯子登りの学習歩行2026/6/4
人型ロボットが様々な梯子を頑健に登り、梯子上での操作も行える統一システムを提案。シミュレーションで学習したポリシーを実機にゼロショット転送し、多様な梯子形状での登攀と操作タスクを実現した。
- WMLLM: 予測してから行動する世界モデルによる自己進化型最適化エージェント最適化2026/6/2
大規模言語モデルを用いて、ブラックボックス最適化の探索効率を高める自己進化型エージェントフレームワークを提案した。候補生成前に有望な方向を予測する世界モデルを組み込み、分子最適化などで高い性能を示した。
- 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。
- デュエット：効率的な教示による二台ロボットの協調理解群制御2026/6/1
二台のロボットが協調して作業するための学習フレームワークを提案。VR遠隔操作と人間同士の協調動作データを活用し、少ない実機データで高性能な協調ポリシーを学習する。
- 人型ロボットのための非同期上半身タスク空間軌道追従ポリシーの学習歩行2026/6/1
人型ロボットの高レベルプランナーが出力する低レートのタスク空間軌道と、高レートで動作する全身制御の間の時間的非同期性と構造的不完全性に対処するため、非同期の上半身タスク空間追従フレームワークを提案。教師-学生蒸留とスライディングウィンドウ報酬を用いてフレームドリフトを低減し、シミュレーションと実機で有効性を実証した。
- RoboDream: スケーラブルなロボットデータ合成のための構成的世界モデルデータ生成/世界モデル2026/6/1
ロボット学習のための大規模データ生成を実現する、エンボディメント中心の世界モデルを提案。実ロボットの動作をレンダリングし、シーンや物体の事前知識を条件付けすることで、物理的に実現可能なフォトリアリスティックなデモを合成し、データスケーリングを可能にする。
- APT: 行動エキスパートの事前学習による視覚-言語-行動ポリシーの指示汎化の改善VLA/汎化2026/6/1
視覚-言語-行動モデルにおいて、言語データの不均衡が原因で未見の指示への汎化が悪い問題を、行動エキスパートを事前学習する二段階手法APTで解決した。
- SIMPLE: ヒューマノイドの移動操作のためのシミュレーションベースのポリシー学習と評価ヒューマノイド/シミュレーション2026/6/1
ヒューマノイドの全身移動操作タスクを対象とした、大規模で再現可能な統一シミュレーションテストベッドを提案し、多様なタスクとデータ生成パイプラインを統合して、シミュレーションと実世界の性能相関を示した。
- VLAConf: 視覚言語行動モデルのための校正されたタスク成功信頼度VLA2026/5/1
VLAモデルのタスク成功確率を、軽量な信頼度ヘッドで単一フォワードパス推定する手法を提案。既存手法より高速で、連続行動空間にも適用可能。
- ReflectDrive-2: 強化学習整合型自己編集による離散拡散運転プランナー自動運転2026/5/1
自動運転向けに、離散トークンで軌道を表現し、自己編集で軌道を修正するマスク拡散プランナーを提案。強化学習で編集能力を訓練し、性能を向上させた。
- PyTorchによるバッチ処理対応の微分可能な剛体力学：GPU加速ロボット学習のための実装sim2real2026/5/1
GPU上でバッチ処理と自動微分が可能な剛体力学ライブラリBARDをPyTorchで実装し、従来のCPUベースのライブラリと比較して最大64倍のスループット向上を達成した。
- 腱駆動連続体ロボットの精密追従制御のための参照拡張学習制御2026/4/1
腱駆動連続体ロボットの精密な6自由度追従制御のため、微分可能なRNNダイナミクスモデルを勾配ブリッジとして用い、参照分布を拡張したオフライン学習フレームワークを提案。実験で平均位置誤差を50.9%削減した。
- Fast-SegSim: ロボットシミュレーションのためのリアルタイムオープンボキャブラリセグメンテーションセグメンテーション2026/4/1
2Dガウススプラッティングに基づく高速なオープンボキャブラリセグメンテーション手法を提案し、40FPS以上のレンダリング速度を実現。ロボットシミュレーションでのセンサ入力や、下流タスクの教師データ生成に利用できる。
- 腱駆動連続体ロボットのための学習ベース動力学モデリングとロバスト制御連続体ロボット/制御2026/4/1
腱駆動連続体ロボットの複雑な非線形性を捉えるGRUベースの動力学モデルを提案し、これを勾配ブリッジとして用いてエンドツーエンドのニューラル制御ポリシーを最適化する。物理実験で正確な追従と未知負荷に対するロバスト性を実証した。
- Ψ-Map: パノプティック表面統合マップによるReal2Sim転送の実現3D再構成/パノプティックセグメンテーション2026/4/1
大規模シーン向けに、LiDARデータと2Dガウシアンサーフェルを用いた幾何学的強化と、クエリ誘導型のエンドツーエンドパノプティック学習を統合し、高精度でリアルタイムな3D再構成を実現するフレームワークを提案した。
- MA-VLCM: マルチエージェントチーム設定における方針価値推定のための視覚言語批評モデルマルチエージェント強化学習2026/3/1
マルチエージェント強化学習において、学習済み視覚言語モデルを微調整して中央批評家として用いることで、方針学習中の批評家学習を不要にし、サンプル効率と汎化性を向上させるフレームワークを提案した。
- D-REX: 巧みな把持学習のための微分可能な実世界-シミュレーション-実世界エンジン把持/シミュレーション2026/3/1
ガウススプラット表現を用いた微分可能エンジンを構築し、実世界の視覚観測とロボット制御信号から物体質量を同定しつつ、把持ポリシーを同時学習する手法を提案。
- 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。
- HumDex: ヒューマノイド器用操作を簡単にする遠隔操作/模倣学習2026/3/1
ヒューマノイド全身の器用な操作のためのポータブル遠隔操作システムを提案し、IMUベースのモーショントラッキングと学習ベースのリターゲティングで高品質なデモデータ収集を実現。さらに、多様な人間の動作データでの事前学習とロボットデータでの微調整による模倣学習フレームワークを導入し、汎化性能を向上させた。
- Ψ₀: 汎用人型ロコマニピュレーションに向けたオープン基盤モデルVLA2026/3/1
高品質な一人称視点の人間動画でVLMを事前学習し、人型ロボットの実機データで追加学習する段階的パラダイムにより、少ないデータで人型ロコマニピュレーションを実現するオープン基盤モデルを提案した。
- 視覚的推論を用いた文脈内模倣学習模倣学習2026/3/1
ロボットが少数のデモから新しいタスクを適応学習する際、視覚的な推論トレースをプロンプトに追加し、行動予測と推論過程を同時に学習するフレームワークを提案。シミュレーションと実世界で成功率と汎化性能が向上した。
- DreamPlan: ビデオワールドモデルによる視覚言語プランナーの効率的な強化学習ファインチューニング操作2026/3/1
ロボット操作のための視覚言語モデルプランナーを、実世界での試行錯誤を避け、ビデオ生成モデルによる仮想ロールアウトを用いて強化学習でファインチューニングする手法を提案した。
- 把持と非把持の同時操作：多段階器用タスクへの実用的アプローチマニピュレーション2026/3/1
物体把持と別物体への操作を同時に行う多段階タスクを、物体中心スキルに分解し、少数の実演から実機で学習・実行する手法DexMultiを提案。
- 大規模報酬モデル：視覚言語モデルによる汎用的なオンラインロボット報酬生成強化学習2026/3/1
ロボット操作の強化学習において、視覚言語モデルをオンライン報酬生成器として活用し、模倣学習で初期化した方策を少数の反復で改善する枠組みを提案した。
- 月面科学探査と有人宇宙飛行の安全性を支える宇宙ロボティクスの新潮流宇宙ロボティクス2026/3/1
月を拠点とした科学探査と有人飛行支援におけるAI・宇宙ロボティクスの役割を概観し、自律性やセンサ融合が持続可能な探査と将来の火星有人飛行にどう貢献するかを論じた論文。
- 方向が鍵：力の方向を学習することで接触の多い操作のSim-to-Real転移を実現sim2real2026/2/1
シミュレーションで人間設計の位置・力制御器を教師として使い、接触力の方向を予測する方策を学習。実機では力覚アダミタンス制御器を構成し、電子レンジ開けやペグ挿しなど4タスクで高い成功率と頑健性を示した。
- 自動運転における構造化Chain-of-Thoughtの高速化VLA2026/2/1
自動運転のVLAモデル向けに、Chain-of-Thought推論を依存グラフに分解し並列デコードすることで、精度を保ちつつ3〜4倍高速化する手法を提案。
- フィデューシャル・エクソスケルトン：画像中心のロボット状態推定状態推定2026/1/1
各リンクにマーカー付きの軽量3Dプリント製マウントを取り付け、単一RGB画像からロボットの関節角度やカメラとの位置関係を推定する手法を提案。低コストなロボットアームでも高精度な状態推定と制御を可能にする。
- OpenNavMap: マルチセッション外観ベーストポメトリックマッピングによるスケーラブルな視覚ナビゲーション視覚ナビゲーション2026/1/1
画像ノードを共視性・オドメトリ・走行可能性グラフで整理し、3D基盤モデルをオンデマンドで活用する軽量なランドマークフリー地図構築システムを提案。19kmの実環境データで高精度な視覚ナビゲーションを実現した。
- Mr. Virgil: マルチロボットの視覚・測距による相対位置推定の学習マルチロボット位置推定2025/12/1
UWB測距と視覚検出の対応付けをグラフニューラルネットで学習し、微分可能なポーズグラフ最適化と組み合わせてマルチロボットの相対位置推定を高精度化するフレームワークを提案。
- ニューラル測距慣性オドメトリ測距慣性オドメトリ2025/12/1
UWB測距と慣性センサをグラフ注意ネットワークと再帰型ニューラルネットで融合し、アンカー配置やマルチパスに頑健な自己位置推定を実現した研究。
- AnchorDream: 動画拡散モデルを活用した身体性を考慮したロボットデータ合成データ合成/拡散モデル2025/12/1
ロボットの動作レンダリングを条件に事前学習済み動画拡散モデルを再利用し、身体性の一貫性を保ちながら多様なロボット実演データを合成する手法を提案。
- ETP-R1: 強化学習ファインチューニングによるトポロジカル計画の進化 — 連続環境における視覚言語ナビゲーションVLA2025/12/1
連続環境での視覚言語ナビゲーション(VLN-CE)において、グラフベースのモデルに大規模データと強化学習ファインチューニングを適用し、R2R-CEで最先端性能を達成した研究。
- CREPES-X: 階層型方位・距離・慣性による直接協調相対姿勢推定システム群制御2025/12/1
小型ハードウェアと二段階の階層推定器により、方位外れ値に頑健で高精度なマルチロボット間の相対姿勢推定を実現した。
- PolaRiS: 汎用ロボットポリシーのためのスケーラブルな実世界→シミュレーション評価sim2real2025/12/1
実世界の短い動画スキャンからニューラル再構成で高忠実度なシミュレーション環境を構築し、汎用ロボットポリシーを実世界と強く相関する形で評価できるようにしたフレームワーク。
- 見て行動し、プロンプトで指定する：視覚言語行動ポリシーのベイズ分解VLA2025/12/1
VLAモデルのファインチューニングで生じる言語忘却と視覚ショートカットを、ポリシーを視覚行動事前と言語条件付き尤度にベイズ分解することで解決し、未知の指示・物体・環境への汎化性能を向上させた。
- RoboCOIN: 統合マニピュレーションのためのオープンソース両腕ロボットデータ収集マニピュレーション2025/11/1
15種類のロボットプラットフォームから18万件以上の両腕操作デモを集めた大規模データセットを構築し、階層的な注釈とデータ処理パイプラインを提供した。
- SeFA-Policy: 選択的フロー整合による高速で正確な視覚運動ポリシー学習VLA2025/11/1
拡散・フローベースのポリシー学習において、蒸留後の生成行動が観測とずれる問題を、専門家デモを用いた選択的フロー整合で補正し、推論遅延を98%以上削減しつつ高精度・高ロバストな視覚運動ポリシーを実現した。
- 運動成分を識別的に扱うことで深度と自己運動の統合学習を進化させる自己運動推定2025/11/1
動画から深度と自己運動を教師なしで同時に学ぶ際、運動を回転・並進などの成分に分けて幾何学的制約を個別に課すことで、精度と頑健性を高めるフレームワークDiMoDEを提案した。
- 物理世界モデルからのロボット学習マニピュレーション2025/11/1
動画生成モデルと物理世界再構成を組み合わせ、実機データなしでゼロショットのロボットマニピュレーションを実現するフレームワークPhysWorldを提案。
- Humanoid Everyday：オープンワールドヒューマノイド操作のための包括的ロボットデータセットヒューマノイド操作2025/10/1
ヒューマノイドロボットの器用な操作・人間とのインタラクション・移動を伴う動作を含む大規模マルチモーダルデータセットを構築し、クラウド評価基盤も提供した研究。
- ResMimic: 汎用モーショントラッキングから残差学習によるヒューマノイド全身ロコマニピュレーションへロコマニピュレーション2025/10/1
大規模な人間モーションデータで訓練した汎用モーショントラッキング方策を土台に、残差方策を学習させて物体とのインタラクションを伴うヒューマノイドの全身移動操作を実現した研究。
- SPARC: 四足歩行ロボットのための並進・回転コンプライアンスを備えた脊椎歩行2025/10/1
四足ロボット用に、回転と並進の両方向の動きが可能な3自由度の脊椎モジュールを開発し、そのコンプライアンスが高速歩行時の消費電力を21%削減することを示した。
- Flexbee：ソフトベクター推進ノズルを備えた把持・止まり木機能付きUAV飛行ロボティクス2025/10/1
ソフトベクター推進ノズルを4基搭載し、飛行・把持・止まり木を統合した新型UAV「Flexbee」を設計し、動力学モデルと階層制御戦略を構築して実験で有効性を検証した。
- 自律走行のための離散拡散による反射型視覚言語行動モデルVLA2025/9/1
離散拡散と言語モデルを活用し、安全な軌道生成のための反射機構を備えた自律走行向けVLAフレームワークを提案。
- 身体構成に同変な視覚-言語-行動ポリシーに向けてVLA2025/9/1
ロボットの身体構成の変化に対して同変性を持つように視覚-言語-行動ポリシーを設計し、新しい機体構成への汎化と効率的なファインチューニングを実現した研究。
- あらゆる画像からのロボット学習sim2real2025/9/1
1枚の画像から物理シミュレーション可能なロボット環境を生成し、大規模な視覚運動デモンストレーションデータを自動収集するフレームワークRoLAを提案。
- BEV-ODOM2: 地上ロボット向けPV-BEV融合と密フロー教師あり学習による拡張BEV単眼視覚オドメトリ視覚オドメトリ2025/9/1
単眼視覚オドメトリのスケールドリフトをBEV表現で解決する手法を改良し、密なBEVオプティカルフロー教師信号とPV-BEV融合により精度を向上させた。
- 閉ループダイナミクスに基づく油圧ショベルの高精度・高効率軌道追従軌道追従/油圧ショベル/モデルベース学習2025/9/1
油圧ショベルの非線形ダイナミクスに対処するため、モデルベース学習と閉ループダイナミクスを組み合わせた軌道追従手法EfficientTrackを提案し、シミュレーションと実機で高精度・高効率を実証した。
- RCM-ACT: 動的RCMキャリブレーションを用いた模倣学習による眼内異物の自律除去医療ロボティクス/模倣学習2025/8/1
眼内異物除去のための模倣学習フレームワークRCM-ACTを提案し、RCMの動的キャリブレーションとアクションチャンキングを組み合わせることで、未キャリブレーションの顕微鏡下でリング把持・位置決めタスクを自律的に達成した。
- 人間データからの全身運動模倣フレームワーク：フルサイズヒューマノイドロボット向け全身運動模倣2025/8/1
人間の全身運動を接触を考慮してリターゲティングし、非線形重心MPCと全身制御でバランスを保ちながら実機ヒューマノイドに模倣させるフレームワークを提案した。
- 身体性ナビゲーションにおける知覚・社会・運動知能：包括的サーベイナビゲーション2025/8/1
身体性ナビゲーション（EN）を遷移・観測・融合・報酬方策構築・行動の5段階（TOFRA）で整理し、最新手法や評価指標、課題を包括的にレビューしたサーベイ。
- 転倒を考慮した不整地自律ナビゲーションのための軌道最適化ナビゲーション2025/8/1
不整地での転倒リスクを解析し、安全な姿勢範囲を制約として組み込んだ軌道計画手法CAPを提案し、シミュレーションと実機実験で有効性を示した。
- 分布方策勾配のための一般化アドバンテージ推定強化学習2025/7/1
最適輸送理論に基づくワッサースタイン型方向性指標を用いて、分布強化学習向けの一般化アドバンテージ推定（DGAE）を提案し、複数の方策勾配法に統合して性能を評価した論文。
- SkillBlender：スキルブレンドによる汎用人型ロコマニピュレーションロコマニピュレーション2025/6/1
目標条件付きの汎用プリミティブスキルを事前学習し、それらを動的にブレンドすることで、タスク固有の報酬設計を最小限に抑えつつ多様な人型ロコマニピュレーションを実現する階層型強化学習フレームワークを提案。
- オフロード自律走行車両のためのリアルタイム路面性状解析sim2real2025/6/1
車軸加速度からベイズ推定で路面粗さをリアルタイムに予測し、Simplex制御と統合して速度制限を動的に調整する手法を提案した。
- MOTIFハンド：熱・慣性・力センサを備えたマルチモーダル観測ロボットハンドマニピュレーション2025/6/1
LEAPハンドを拡張し、触覚・深度・熱カメラ・IMU・視覚センサを統合した低コストな多指ロボットハンドを開発。熱情報を用いた安全把持や、外観が同じで質量が異なる物体の識別を実現した。
- ManipBench：視覚言語モデルの低レベルロボット操作能力を評価するベンチマークVLA2025/5/1
視覚言語モデルが物体間の相互作用や変形物体の操作をどれだけ理解できるかを評価する新しいベンチマークManipBenchを提案し、33モデルをテストした。
- HMCF: 大規模言語モデルを用いたヒューマン・イン・ザ・ループ型マルチロボット協調フレームワーク群制御2025/5/1
LLMエージェントと人間の監督を組み合わせ、異種ロボット群のタスク割り当てと実行を最適化する協調フレームワークを提案し、シミュレーションと実機でゼロショット汎化性能を示した。
- 言語指示・視覚観察・インタラクションに基づく3D物体アフォーダンスのグラウンディングアフォーダンス2025/4/1
言語指示・視覚観察・インタラクションから3D物体のアフォーダンス領域を推定する新タスクを提案し、そのためのデータセットAGPILとマルチモーダル言語誘導型ネットワークLMAffordance3Dを構築した。
- UnIRe: 動的都市シーンの教師なしインスタンス分解シーン再構成2025/4/1
RGB画像とLiDAR点雲のみから、4Dスーパーポイントを用いて動的都市シーンを静的背景と個々の動的インスタンスに教師なしで分解し、3Dガウシアンスプラッティングで再構成する手法を提案。
- Quattro: Transformerで高速化するiLQR軌道最適化フレームワーク軌道最適化2025/4/1
iLQRの中間フィードバック・フィードフォワード行列をTransformerで予測し、FPGA上で並列計算することで、リアルタイム軌道最適化を大幅に高速化した研究。
- ドメイン条件付きシーングラフによる状態接地型タスクプランニングタスクプランニング2025/4/1
ドメイン特化のシーングラフをシーン表現として用いることで、LMMベースの手法より高精度に状態を接地し、タスクプランニングの成功率を向上させた。
- RoboVerse：スケーラブルで汎化可能なロボット学習のための統合プラットフォーム・データセット・ベンチマークsim2real2025/4/1
複数のシミュレータとロボット形態に対応する統合シミュレーション基盤MetaSimと、高品質な合成データセット、模倣学習・強化学習の統一ベンチマークを提供するフレームワークを提案。
- 生成的運動事前分布による人型ロボットの自然な歩行・移動歩行2025/3/1
人間の全身運動をロボットに転移し、条件付きVAEで未来の参照運動を生成するモデルを学習、その生成運動を方策学習時の密な監督として用いることで、人型ロボットの自然な移動を実現した研究。
- 雑然環境における言語条件付きピック＆プレースのための無条件行動事前分布の効率的アラインメントマニピュレーション2025/3/1
視覚・言語・行動の基盤モデルの事前知識を統合し、1つのアテンション層で無条件行動事前分布を3D視覚言語事前分布にアラインメントすることで、少ないデータで学習しつつゼロショット汎化を保ち、雑然環境での言語条件付きピック＆プレースを効率的に実現する手法A²を提案。
- CNSv2: 確率的対応符号化ニューラル画像サーボビジュアルサーボ2025/3/1
キーポイント検出が困難な環境でも、確率的特徴マッチングを組み込んだニューラル制御により高精度かつリアルタイムなビジュアルサーボを実現した。
- 人間のフィードバック強化学習によるパーソナライズ運転スタイルの学習自動運転2025/3/1
生成的な軌道モデルを人間のフィードバックで微調整し、多様な運転スタイルに合わせた軌道生成を可能にするTrajHFを提案。
- M2UD: 地上ロボット向けのマルチモーダル・マルチシナリオ不整地SLAMデータセットSLAMデータセット2025/3/1
都市や野原、長い廊下など多様な不整地環境と悪天候下で収集した地上ロボット用SLAMデータセットを構築し、RTKによる高精度な正解位置と精度・効率を考慮した新しい評価指標を提案した。
- 把持タスクにおけるグリッパ状態の曖昧性解消：擬似触覚フィードバックによる純粋シミュレーション学習の実現マニピュレーション2025/3/1
把持タスクで問題となるグリッパ状態の曖昧性を、力制御グリッパを触覚センサとして用いる擬似触覚フィードバックで解消し、追加データ収集なしにシミュレーションのみでロバストな模倣学習を可能にした。
- 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。
- PanopticSplatting: エンドツーエンドのパノプティックガウシアンスプラッティング3Dシーン理解2025/3/1
ガウシアンスプラッティングを用いたオープンボキャブラリなパノプティック再構成を、クエリ誘導型セグメンテーションとラベルブレンディングによりエンドツーエンドで実現した手法。
- BEV-DWPVO: 地面走行のための低スケールドリフト単眼視オドメトリに向けたBEVベース微分可能重み付きプロクルステス法単眼視オドメトリ2025/2/1
地面平面仮定を利用し、BEV特徴マップ上でキーポイントを抽出・マッチングして、微分可能な重み付きプロクルステス解法で3自由度の姿勢推定を行う単眼視オドメトリシステムを提案。
- CarPlanner: 自動運転の大規模強化学習のための一貫性のある自己回帰軌道計画自動運転計画2025/2/1
自己回帰構造と一貫性制約を組み合わせた強化学習プランナーを提案し、大規模実世界データセットnuPlanで従来のIL・ルールベース手法を上回る性能を達成した。
- せん断増粘流体に着想を得た物理的人間-ロボットインタラクションのための制御器物理的人間-ロボットインタラクション2025/2/1
せん断増粘流体の固液相変化に着想を得て、人間との協調と衝撃への耐性を両立する制御器SFCを提案し、安定性解析と実機実験で有効性を示した。
- SMART: 運転トポロジー推論のためのスケーラブルな地図事前分布の進展自動運転/トポロジー推論2025/2/1
SD地図と衛星画像から地図事前分布モデルを学習し、センサー構成に依存せずスケーラブルな車線トポロジー推論を実現する手法を提案。OpenLane-V2で最大28%の改善。
- クロスアテンションを活用したエンドツーエンドのオープンボキャブラリ・パノプティック再構成3D再構成2025/1/1
3Dインスタンスをクエリ、3D埋め込み場をキーとするクロスアテンションでパノプティック再構成を定式化し、学習可能な3Dガウシアンをインスタンスクエリとして用いることで空間的近接性を保ちつつエンドツーエンド最適化を実現した手法を提案。
- 時相論理に基づく自動運転車の安全ナビゲーションナビゲーション2025/1/1
LTLとSTLを組み合わせ、形式的に安全な参照軌道生成とMILPによる制御入力最適化を行う自動運転ナビゲーション手法を提案した論文。
- PhysBench：視覚言語モデルの物理世界理解を評価・強化するベンチマークVLA2025/1/1
視覚言語モデル（VLM）の物理世界理解を評価する10,002件のベンチマークPhysBenchを提案し、75モデルの評価と、視覚モデルを組み合わせて物理理解を強化するPhysAgentを開発した。
- UniMM：マルチエージェントシミュレーションのための統合混合モデルフレームワークマルチエージェントシミュレーション2025/1/1
自動運転シミュレーション向けに、回帰ベース混合モデルと離散NTPモデルを包含する統合混合モデルフレームワークを提案し、閉ループサンプル生成と時間的脱結合・整合機構で分布シフトを緩和、WOSACベンチマークで最先端性能を達成した。
- 大規模人間動画から学ぶ汎用人型ポーズ制御VLA2024/12/1
2000万件超の人間動画から人型ロボットのポーズとテキスト指示のデータセットHumanoid-Xを構築し、テキスト入力で人型ロボットを制御する大規模モデルUH-1を学習した。
- HUGSIM：自動運転のためのリアルタイム・フォトリアル・閉ループシミュレータ自動運転シミュレーション2024/12/1
3Dガウシアンスプラッティングで2D画像を3D空間に持ち上げ、自動運転アルゴリズムを評価するためのリアルタイムでフォトリアルな閉ループシミュレータを構築した。
- LoRA3D: 3D幾何学基盤モデルの低ランク自己校正3D再構成2024/12/1
スパースなRGB画像から3D幾何学基盤モデルを自己校正し、低ランク適応でシーンに特化させる手法を提案。単一GPUで5分以内に完了し、3D再構成と多視点姿勢推定で最大88%の性能向上を達成。
- 外挿的な都市ビュー合成ベンチマークsim2real2024/12/1
自動運転向けの新規視点合成(NVS)において、訓練視点から大きく外れた視点での性能を評価する初のベンチマークEUVSを構築し、既存手法が訓練視点に過適合しやすいことを示した。
- 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。
- BEV-ODOM: BEV表現で単眼視覚オドメトリのスケールドリフトを低減単眼視覚オドメトリ2024/11/1
深度教師なしで透視画像をBEV表現に変換し、3自由度の運動を推定することで、単眼視覚オドメトリのスケールドリフトを抑えるフレームワークを提案した。
- LoGS: 少ない学習画像でガウススプラッティングによる視覚的自己位置推定視覚的自己位置推定2024/10/1
3Dガウススプラッティングをシーン表現に用い、画像検索と特徴マッチングで初期姿勢を推定した後、合成による解析で高精度なカメラ姿勢を求める視覚的自己位置推定手法を提案。
- LI-GS: LiDAR統合ガウシアンスプラッティングによる大規模高精度3次元再構成3D再構成/sim2real2024/9/1
LiDAR点群を平面制約付き混合ガウスモデルに変換し、2Dガウシアンサーフェルと組み合わせることで、屋外の大規模シーンを高精度に再構成する手法を提案した。
- Signal Temporal Logic制約に基づく自動運転車の安全性検証とナビゲーションナビゲーション2024/9/1
Signal Temporal Logic（STL）の制約をMPCに組み込み、ロバストネス値を計算することで自動運転車の経路計画の安全性を検証・制御する手法を提案した論文。
- 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。
- 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。
- RAM: 検索ベースのアフォーダンス転移による汎用ゼロショットロボットマニピュレーションマニピュレーション2024/7/1
ロボット・人間・カスタムデータからアフォーダンス記憶を構築し、言語指示に応じて類似デモを検索して2Dアフォーダンスを3D実行可能な形に転移することで、未知の物体・環境・身体でもゼロショットで操作を実現するフレームワーク。
- 効率的な協調設計のための事前学習・微調整フレームワーク：四足ロボットパルクールの事例研究sim2real2024/7/1
四足ロボットの脚長などの機構と制御方策を同時最適化する事前学習・微調整フレームワークを提案し、パルクール能力を効率的に向上させる。
- 世界をオブジェクト知識にトークン化し、自動運転のロングテール事象に対処する自動運転/VLA2024/7/1
自動運転のロングテール事象に対処するため、シーンをオブジェクトレベルの知識にトークン化してLLMの推論能力を活用するマルチモーダルLLM「TOKEN」を提案し、軌道誤差と衝突率を大幅に削減した。
- PanopticRecon: オープン語彙インスタンスセグメンテーションを活用したゼロショットパノプティック再構成3Dシーン理解2024/7/1
RGB-D画像から、オープン語彙インスタンスセグメンテーションを利用して未知環境でも3Dパノプティック再構成をゼロショットで行う手法を提案。部分ラベルの伝播と3DインスタンスグラフによるID統合で課題を解決した。
- 大規模言語モデルを用いた自動運転のためのスーパーアラインメントフレームワーク自動運転2024/6/1
自動運転におけるLLMのセキュリティとプライバシーを守るため、マルチエージェントLLMによるフレームワークを提案し、11のモデルの安全性・プライバシー・コストを評価した。
- DistillNeRF: 単眼画像からニューラル場と基盤モデル特徴を蒸留して3Dシーンを認識3D認識2024/6/1
単一フレームの多視点カメラ画像から、NeRFの蒸留とCLIP/DINOv2などの2D基盤モデル特徴の蒸留を組み合わせて、自己教師ありで3Dシーン表現を学習する手法を提案。
- 渦流を横切るロボット魚の効率的ナビゲーション強化学習/ナビゲーション2024/5/1
LSTMを用いた深層強化学習により、カルマン渦列のような非定常渦流中をロボット魚が効率的に航行できる制御方策を学習させた。
- 重要なものだけを記憶する：多重走行からの創発的シーン分解3Dマッピング2024/5/1
同じ領域を複数回走行したRGB動画から、自己教師ありで環境と一時的物体を分離し、3Dガウシアンマップを構築する手法を提案。
- LiDAR拡散モデルによるリアルなシーン生成に向けて生成モデル2024/4/1
LiDARシーンのリアルさを保つため、曲線パターン・3D幾何・物体文脈を考慮した潜在空間で拡散モデルを学習し、高効率かつ制御可能なシーン生成を実現した論文。
- ν-DBA: ニューラル陰的密バンドル調整による画像のみの走行シーン再構成SLAM/3D再構成2024/4/1
3Dニューラル陰的表面で地図を表現し、密オプティカルフローに導かれた幾何誤差で軌跡と地図を同時最適化する密バンドル調整フレームワークを提案し、走行シーンの軌跡推定と密再構成精度を向上させた。
- 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。
- 把持・認識・配置：方策構造の事前知識を活用した効率的な未知物体再配置マニピュレーション2024/2/1
知覚ノイズに頑健な未知物体再配置のため、把持と配置の分離構造を事前知識として組み込んだ二重ループシステムGSPを提案し、CLIPを活用して高い完了率と少ないステップを実現した。
- 大規模言語モデルによる運転ポリシーの適応でどこでも走行自動運転2024/2/1
大規模言語モデルを使って各地域の交通ルールを解釈し、自動運転車の運転行動を新しい環境に適応させる手法LLaDAを提案した。
- NGEL-SLAM: ニューラル暗黙表現に基づくグローバル一貫性と低遅延を両立したSLAMシステムSLAM2023/11/1
複数のニューラル暗黙場とオクツリー表現、ループ閉じ込み対応の特徴量追跡を組み合わせ、グローバル一貫性と低遅延を実現したSLAMシステムを提案。
- 自動運転のための言語エージェント自動運転/LLMエージェント2023/11/1
大規模言語モデルを認知エージェントとして活用し、ツールライブラリ・記憶・推論エンジンを統合した自動運転フレームワークAgent-Driverを提案。nuScenesで従来手法を大幅に上回る性能と解釈性・少数ショット学習能力を示した。
- マルチエージェント自動運転システムにおける二段階社会的選好認識マルチエージェント強化学習2023/10/1
他エージェントの社会的価値志向（SVO）を推定する認識ネットワークを二段階で学習し、協調的な自動運転を実現する手法を提案した。
- GPT-Driver: GPTで運転を学習する自動運転2023/10/1
大規模言語モデルGPT-3.5を自動運転の動作計画に活用し、軌道計画を言語モデリング問題として再定式化する手法を提案。nuScenesデータセットで有効性と汎化性能、解釈性を示した。
- 対応関係符号化ニューラル画像サーボポリシービジュアルサーボ2023/9/1
キーポイントと対応関係をグラフに符号化し、グラフニューラルネットワークで制御する画像サーボ手法を提案。シミュレーションと実機で高精度・高速・高い汎化性能を実証した。
- 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。
- テザーロボットの自己絡まりを回避するスパースウェイポイント経路計画経路計画2023/8/1
テザー付き差動駆動ロボットが自己絡まりを起こさない経路を生成するため、テザー方向と機体進行方向の角度差を制約として定式化し、制約付き探索で準最適経路を計画する手法を提案した。
- 3節定曲率ロボットの逆運動学に対する効率的な複数解ソルバ連続体ロボット2023/5/1
3節定曲率連続体ロボットの逆運動学を、理論的簡約と数値補正を組み合わせて効率的に解き、複数解を求める手法を提案した。
- 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。
- 言語指示に基づく物体配置のための物体中心推論：基盤モデルを用いたアプローチマニピュレーション2023/4/1
基盤モデルを活用し、言語指示に含まれる空間関係を満たす物体配置を物体中心の枠組みで実現する手法を提案。少ない学習パラメータとデータで高い成功率と汎化性能を達成した。
- 回転関節を持つ物体の適応的マニピュレーション学習：多様なキャビネット扉開けへの応用マニピュレーション2023/4/1
深層強化学習を用いて、非構造環境で回転関節を持つ物体（キャビネットの扉）を適応的に操作するフレームワークを提案し、シミュレーションから実世界への転移を実現した。
- NF-Atlas: 大規模LiDARマッピングのためのマルチボリュームニューラル特徴場SLAM/マッピング2023/4/1
ニューラル特徴ボリュームをポーズグラフ最適化と統合し、局所的剛性と大域的弾力性を両立させた大規模LiDARマッピング手法を提案。ループ閉じ込め時も再マッピング不要で、精度・効率・メモリで優れた性能を示す。
- 社会的敵対的交通流による運転ポリシーのゼロショット転移学習自動運転2023/4/1
交通流を社会的敵対的ゲームとしてモデル化し、階層的ポリシーとゼロサムゲームで運転ポリシーを学習することで、未知の交通環境へのゼロショット転移性能を高めた研究。
- 任意の目標姿勢に対応するハイパーネットワークベースのエンドツーエンド視覚サーボ視覚サーボ2023/4/1
ハイパーネットワークを用いて任意の目標姿勢への6自由度視覚サーボを実現する微分可能なニューラルコントローラを提案し、3段階の学習手順で実世界物体への適用を可能にした。
- 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。
- 失敗を考慮した方策学習による自己評価可能なロボティクスタスクロボティクス/強化学習2023/2/1
自己評価で失敗と判定された行動の情報をリカレントニューラルネットワークで活用し、残りの行動選択を改善する失敗考慮型方策を提案。3タスクで成功率向上と試行回数削減を実現。
- 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。
- EMV-LIO: 効率的な複数視覚支援LiDAR慣性オドメトリSLAM2023/2/1
複数のカメラを導入して視覚観測を拡張し、LiDARのノイズ除去や探索条件設定、ikd-Treeの採用で効率化を図ったLiDAR-視覚-慣性融合オドメトリシステムを提案。
- 視覚・言語・行動の統合モデリングによる混雑環境での指示対象把持マニピュレーション2023/2/1
言語指示に基づき混雑環境で対象物を把持するため、視覚・言語・行動を物体中心表現で統合的にモデル化し、柔軟な指示と未見物体への汎化を実現した。
- 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。
- 分類不要な物体提案とインスタンスレベル対照学習によるオープンセット物体検出オープンセット検出2022/11/1
未知物体と背景を分離するCF-RPNと、既知カテゴリの潜在空間補集合で未知物体を表現するPLNを組み合わせたOpenset RCNNを提案し、GraspNet-1billionを再編した新ベンチマークで有効性を示した。
- DeepRING: LiDAR位置認識のための回転・並進不変表現学習位置認識2022/10/1
LiDARスキャンから回転・並進に不変な特徴表現を学習し、視点が大きく異なる再訪でも同一場所を認識できる位置認識手法を提案。
- RING++: スパーススキャンマップ上の大域的自己位置推定のための回転並進不変グラム自己位置推定2022/10/1
LiDARのスパーススキャンマップ上で、回転・並進に不変な表現を用いて場所認識と大域的な姿勢推定を学習なしで行うフレームワークを提案し、多ロボットSLAMにも応用した。
- AMoDシステムにおけるロバストで制約付きマルチエージェント強化学習によるEV再配置手法群制御2022/9/1
モデル不確実性下で電気自動車の再配置を行うため、ロバスト自然方策勾配を用いた制約付きマルチエージェント強化学習フレームワークを提案し、需給バランスと充電利用率を改善した。
- C^2: オンラインとオフライン強化学習を組み合わせた並行ネットワークによるロボットの協調設計ロボット設計/強化学習2022/9/1
ロボットの形態と制御器を同時に設計する際、オンラインとオフライン強化学習を組み合わせた並行ネットワークフレームワークを提案し、シミュレータと実機で有効性を示した。
- 平面環境における効率的な距離最適テザーパス計画：ワークスペースの凸性経路計画2022/8/1
テザーロボットの可到達ワークスペースが凸であることを証明し、その性質を利用して距離最適なテザーパス計画を効率化するアルゴリズムを提案した。
- ViP3D: 3Dエージェントクエリによるエンドツーエンド視覚軌道予測軌道予測2022/8/1
生の動画から直接エージェントの将来軌道を予測する、クエリベースの完全微分可能な視覚軌道予測パイプラインを提案。
- 2視点6D物体姿勢推定に向けて：融合戦略の比較研究6D姿勢推定2022/7/1
2枚のRGB画像から暗黙的な3D情報を学習し、2D特徴と融合することで6D物体姿勢推定を行う枠組みを提案し、Early/Mid/Lateの融合戦略を比較してMid-Fusionが最良であることを示した。
- 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。
- 非k最適トポロジー除去によるk最短非ホモトピック経路の効率的探索経路計画2022/7/1
2次元環境でk番目までの非ホモトピック経路を効率的に探索するため、非k最適な経路トポロジーを早期に判定して探索を打ち切る階層的トポロジカル木に基づく手法を提案した。
- VectorMapNet: エンドツーエンドのベクトル化高精度地図学習自動運転/地図生成2022/6/1
車載センサーから直接ベクトル化された高精度地図を生成するエンドツーエンドのパイプラインを提案し、従来手法を大幅に上回る精度を達成した。
- DPCN++: 多様な姿勢位置合わせのための微分可能位相相関ネットワーク位置合わせ2022/6/1
フーリエ変換と球面動径集約で並進・スケール不変なスペクトル表現を作り、微分可能位相相関ソルバで回転・スケール・並進を順に推定する、初期値不要の7DoF姿勢位置合わせフレームワーク。
- 未知の穴への実世界ペグ挿入のためのシミュレーション学習に基づく視覚ポリシーsim2real2022/5/1
シミュレーションで汎用ポリシーを学習し、実世界の未知形状の穴へ最小限のsim2realコストで適応するペグ挿入手法を提案。1分間の教示で自動収集したデータでセグメンテーションを微調整し、EV充電システムで10/10の成功率を達成。
- すべてを支配する一つのRING：場所認識・姿勢・並進推定のためのラドンサイノグラム位置推定2022/4/1
LiDARスキャンのラドンサイノグラム(RING)を統一表現として用い、場所認識から向き・並進推定までを学習不要で行うスパースなグローバル位置推定フレームワークを提案した論文。
- 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。
- 視覚で隙間を埋める：未知形状へのサブミリメートルペグ挿入マニピュレーション2022/4/1
ペグと穴の隙間を視覚的に捉えて位置・姿勢を推定し、強化学習による閉ループ制御で未知形状のペグ挿入を実現。シミュレーションで学習し、セグメンテーションで実世界に適応する。
- 一貫性と効率性を両立する地図ベース視覚慣性自己位置推定：理論枠組みとフィルタ設計視覚慣性自己位置推定2022/4/1
地図情報の不確かさを考慮しつつ可観測性を正しく保つ不変EKFとSchmidtフィルタを組み合わせ、一貫性・精度・効率を両立する視覚慣性自己位置推定手法を提案した。
- 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。
- カテゴリレベル物体姿勢推定への視覚ナビゲーション的アプローチ姿勢推定2022/3/1
単眼画像からのカテゴリレベル物体姿勢推定を、生成モデルの潜在変数を更新する視覚ナビゲーション問題として捉え、勾配降下・強化学習・模倣学習の3戦略を比較し、単純なハイブリッド手法が効果的かつ効率的であることを示した論文。
- DXQ-Net：品質認識フローを用いた微分可能なLiDAR-カメラ外部キャリブレーションキャリブレーション2022/3/1
LiDARとカメラの外部キャリブレーションを、不確実性を考慮したフロー推定と微分可能な姿勢推定モジュールでエンドツーエンドに行う手法を提案し、回転成分で最先端性能と高い汎化性能を示した。
- 最小二乗推定による深度非依存の深度補完深度補完2022/3/1
RGB画像と疎な深度マップを独立に処理し、最小二乗推定で密な深度マップを生成する手法を提案。疎性の変化に頑健で高品質な超解像深度補完を実現。
- Tac3D：力分布計測と摩擦係数分布推定のための新しい視覚ベース触覚センサ触覚2022/2/1
仮想両眼視を触覚センサに初めて適用し、3次元接触面形状と接触力分布を簡便かつ低コストで計測できるTac3Dセンサを提案。さらに摩擦係数分布の推定と物体3Dモデルの再構成を実現した。
- ベイズ最適化によるマルチロボット・バウンディングオーバーウォッチの信頼性モデル群制御2022/1/1
ベイズ最適化を用いた計算的信頼性モデルを構築し、各ロボットの状況認識情報からオーバーウォッチ地点の信頼性をリアルタイム評価して、動的コストマップと信頼性の高い経路計画を実現した。
- 信頼度に基づく記号動作計画による複数ロボットのバウンディング・オーバーウォッチ群制御2022/1/1
地形の走行性と見通しから信頼度モデルを構築し、時相論理タスクを満たす分散型記号動作計画で複数ロボットのバウンディング・オーバーウォッチを安全に実現するフレームワークを提案した。
- DETR3D: 3D-to-2Dクエリによるマルチビュー画像からの3D物体検出3D物体検出2021/10/1
複数カメラ画像から2D特徴を抽出し、3D物体クエリで2D特徴を参照して直接3D空間でバウンディングボックスを予測するマルチカメラ3D物体検出手法を提案。nuScenesで最先端性能を達成。
- 視覚と力覚の融合による電気自動車の自動充電システムsim2real2021/10/1
視覚と力覚を融合したロボットマニピュレーションにより、電気自動車の充電プラグ挿入を自動化するシステムを構築し、シミュレーションから実機へ転移して有効性を示した。
- 動的グラフを用いた3D物体検出3D物体検出2021/10/1
点群上の3D物体検出を動的グラフ上のメッセージパッシングとして定式化し、NMS不要の検出と3D検出向け集合間蒸留を提案した論文。
- トンネル内自動ロードローラーのための退化耐性UWB-LiDAR融合測位測位・SLAM2021/9/1
トンネル内で退化しやすいLiDAR測位を、非退化方向の拘束とUWB再構成の共分散、内壁特徴抽出を組み合わせて最適化ベースで融合し、実機ロードローラーで精度向上を実証した論文。
- 深層強化学習とポテンシャル場による2Dレーザスキャンを用いた社会的配慮型マルチエージェント追従マルチエージェント追従2021/9/1
複数ロボットが2Dレーザスキャンのみを用い、強化学習で局所的な衝突回避を、ポテンシャル場で編隊制御と目標割当を行い、歩行者環境で社会的に配慮しながら対象を追従する手法を提案した。
- 任意の目標姿勢への効率的な物体操作：学習ベースの随時優先計画法マニピュレーション2021/9/1
把持可能な物体を任意の位置・姿勢に置くため、再把持姿勢を高レベルで探索し低レベルで経路計画する階層学習と、経路コスト推定器による事前学習・シミュレーション微調整を組み合わせた手法を提案。
- 観測に基づく分散型マルチロボットナビゲーションのための安全保証付き方策学習マルチロボットナビゲーション2021/9/1
制御バリア関数と深層遷移モデルを組み合わせ、センサ観測のみから強化学習方策の行動を安全領域に補正する分散型マルチロボットナビゲーション手法を提案し、実機・シミュレーションで有効性を示した。
- 視覚ベースの走行軌道生成におけるドメイン汎化自動運転/ドメイン汎化2021/9/1
都市環境の自動運転向けに、敵対的学習と潜在変数回帰でエンコーダ・デコーダを訓練し、分布外シナリオでも汎化できる視覚ベース軌道生成手法を提案した論文。
- 物体ベースSLAMのための右不変拡張カルマンフィルタSLAM2021/9/1
物体の姿勢をSLAMで推定する物体レベルSLAMに対し、新しいリー群構造に基づく右不変EKFを提案し、可観測性解析と実験で標準EKFより一貫性・精度が高いことを示した。
- HiTMap：未知環境ナビゲーションのための階層型トポロジカルマップ表現ナビゲーション2021/9/1
グローバルなメトリック地図の代わりにサブマップベースの階層トポロジーを用い、局所地図のみで障害物回避とフロンティア検出による未知空間探索を可能にする軽量な地図表現を提案した論文。
- 深層ニューラルネットワークを使わずに学習可能な解釈可能なBEVベースVIOVIO2021/9/1
微分可能なUKFとカメラ投影を組み合わせ、BEV画像から5自由度の姿勢推定を end-to-end で学習する解釈可能なVIO手法を提案。
- 物体ベースSLAMにおける姿勢曖昧性への複数仮説アプローチSLAM2021/8/1
物体の6D姿勢推定に複数仮説を導入し、混合モデルとしてSLAMに統合することで、形状対称性や遮蔽による姿勢曖昧性に頑健な物体ベースSLAMを実現した。
- 共有埋め込みを用いたLiDAR地図上でのレーダー自己位置推定の改善自己位置推定2021/6/1
レーダースキャンとLiDAR地図を共通の埋め込み空間に写像するニューラルネットワークを構築し、異種センサ間のギャップを埋めることで、地図検索とデータマッチングによるレーダー自己位置推定・姿勢追跡を高精度化した研究。
- 散らかった環境での目標指向プッシュ・把持協調の効率的学習マニピュレーション2021/3/1
散らかった環境で目標物体を把持するため、プッシュと把持を階層強化学習で協調学習し、ゴール再ラベリングと把持識別器によるプッシュ監督でサンプル効率を高めた研究。
- 飛行中の不均一物体を捕球するためのニューラル運動予測マニピュレーション2021/3/1
過去の軌道断片から加速度を推定するニューラル加速度推定器(NAE)と微分可能フィルタを組み合わせ、飛行中の不均一物体の軌道予測と捕球を実現した研究。
- 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。
- 違いを見分ける：Sim2Real微小欠陥セグメンテーションネットワークsim2real2021/3/1
文脈に依存せず2枚の画像間の微小な欠陥を識別するネットワークSSDSを提案し、位相相関の姿勢感度を利用した検出層と外れ値マスキングで、安価なシミュレーションのみで訓練して実世界の微小欠陥を検出できることを示した。
- ニューラル潜在最適化による手話学習のための運動学的動作リターゲティング動作リターゲティング2021/3/1
人間の手話動作をロボットへ転送するため、潜在空間最適化とニューラル初期化を組み合わせ、骨格・ロボット構造をグラフで扱う手法を提案し、YuMi・NAO・Pepperで検証した。
- 空陸協調による走行可能領域認識とDPCNを用いた位置合わせ空陸協調2021/3/1
空中ロボットの視点で地上ロボットの走行可能領域を事前に認識し、DPCNで異種センサ間の位置合わせを高精度化する協調システムを提案した。
- レーダーからLiDARへ：統合学習による異種センサ間の場所認識場所認識2021/2/1
レーダーのスキャンから既存のLiDAR地図を検索する異種センサ間の場所認識フレームワークを提案し、レーダーとLiDARの共有埋め込みを学習することで、1回の学習でLiDAR同士・レーダー同士・レーダーからLiDARへの認識を実現した。
- 視覚とLiDARを統合した場所認識のための色付き構造表現場所認識2020/11/1
3D点群から生成した標高画像に視覚特徴を融合し、鳥瞰図で一貫した複合記述子を作る二モーダル場所認識手法を提案した。Oxford RobotCarで高精度を示し、他都市データでも汎化性を確認した。
- 冗長性不足ロボットのための動的サブタスク変調による冗長性可用性の向上マニピュレーション2020/11/1
冗長性が不足するロボットで複数の制約やサブタスクを遂行するため、仮想二次タスクを動的に変調しサブタスクを統合する制御手法を提案し、零空間投影に基づく枠組みで有効性を示した。
- 社会的配慮を伴うロボットナビゲーションのための世界遷移モデル学習ナビゲーション2020/11/1
レーザスキャン列から自己運動を分離した局所障害物マップを作り、深い遷移モデルで周囲の動態を予測しながら強化学習で混雑環境のナビゲーション方策を学習した研究。
- PREGAN: 弱ペア画像スタイル変換のための姿勢ランダム化と推定sim2real2020/11/1
姿勢誤差を含む弱ペア画像間のスタイル変換を、ランダム姿勢変換と微分可能な姿勢推定器による敵対的学習で実現した手法。
- 動的運動プリミティブを用いた両腕手話動作の運動再ターゲティング運動再ターゲティング2020/11/1
人間の両腕手話動作をDMPとグラフ最適化でパラメータ化し、26自由度の双腕協働ロボットで実行可能な軌道へ変換する手法を提案した。
- 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。
- 向き推定を統合した微分可能スキャンコンテキストによるLiDAR位置認識位置認識2020/10/1
LiDARスキャンを周波数領域に変換し、回転不変なスペクトル振幅で場所を照合しつつ、微分可能な位相相関で相対姿勢を同時推定する軽量な位置認識手法を提案した論文。
- 連続意図から連続軌道へ：階層型運転モデルの模倣学習自動運転/模倣学習2020/10/1
GPS・カメラ・LiDARから連続的な意図を表すポテンシャルマップを生成し、それを条件に連続関数近似ネットワークで滑らかな運転軌道を出力する階層型運転モデルを提案した。
- 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。
- RaLL: 微分可能な計測モデルを用いたLiDAR地図上でのエンドツーエンドレーダー自己位置推定自己位置推定2020/9/1
レーダーとLiDAR地図を共通特徴空間に埋め込み、微分可能な計測モデルとカルマンフィルタを組み合わせて、悪天候下でも頑健に自己位置推定を行うエンドツーエンド学習手法を提案した。
- 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。
- 異種センサ計測のマッチングのための深層位相相関ネットワーク位置推定2020/8/1
姿勢誤差を微分可能な位相相関で逆伝播させ、異種センサ画像と地図画像を直接照合する軽量なエンドツーエンド学習手法を提案し、シミュレーションと航空・地上データセットで従来法を上回る精度を示した。
- 自動運転向けピラーベース物体検出3D物体検出2020/7/1
点群の極端な疎性に着目し、アンカー不要のピラーベース手法で3D物体検出を行うフレームワークを提案した論文。
- オルソモザイク地図を用いた空中・地上移動ロボットの協調自己位置推定協調SLAM2020/7/1
ドローンが作成したオルソモザイク地図と地上ロボットの地図をテンプレートマッチングで照合し、パーティクルフィルタで地上ロボットの自己位置を推定する協調SLAM手法を提案した論文。
- 自動運転のための階層的行動・運動計画の学習自動運転/強化学習2020/5/1
行動計画と運動計画を階層化し、サンプリング型運動プランナの最適コストを高レベル行動学習の報酬として用いることで、強化学習による長期的な自動運転タスクを効率的に解く手法を提案した。
- Radar-on-Lidar: 事前LiDAR地図上でのメートル精度レーダ自己位置推定自己位置推定2020/5/1
回転レーダの生データをGANでLiDARデータに変換し、レーダオドメトリと組み合わせたモンテカルロ法により、事前の2D LiDAR地図上で高精度に自己位置推定する手法を提案した。
- 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。
- 非反復カバレッジタスクのための不連続性を最小化するセル分解法マニピュレーション2020/1/1
マニピュレータの無駄なエンドエフェクタ持ち上げを避けるため、作業空間を最小数の連続走行可能セルに分割し、非反復カバレッジ経路の不連続性を最小化する手法を提案した。
- DeepGoal：人間の運転意図を学習する走行制御自動運転/end-to-end学習2019/11/1
人間の運転デモから中間的な「運転意図領域」を弱教師ありcGAN-LSTMで学習し、それを障害物知覚と融合して経路計画に用いるナビゲーションスコアマップを生成する手法を提案した。
- 交通標識のない場面における弱教師あり道路アフォーダンス推論と学習自動運転2019/11/1
車両軌跡から道路アフォーダンス（走行可能方向・注視中心・残距離）を推論し、部分ラベルのみで弱教師あり学習する枠組みを提案。キャンパスや住宅地など標識の少ない実世界データで有効性を検証した。
- 後悔理論に基づく人間の車線変更モデルを組み込んだ安全強化学習による自動運転自動運転/強化学習2019/10/1
人間ドライバーの車線変更判断を後悔理論でモデル化し、その予測を安全制約として強化学習に組み込むことで、訓練中の衝突をゼロにしつつ自動運転車の制御を学習した研究。
- 高精度位置推定に依存しないナビゲーション: 目標指向ナビゲーションコストマップの弱教師学習ナビゲーション2019/6/1
GPSレベルの粗い位置推定と生の知覚データ・公開地図から、条件付き敵対的生成ネットワークで目標指向経路を生成し、ナビゲーションコストマップを描画する弱教師学習フレームワークを提案した。
- 通信制約下でリアルタイムに動作するクラウドベース長期視覚自己位置推定視覚自己位置推定2019/3/1
ロボット側の視覚慣性オドメトリと遅延状態EKF、クラウド側の長窓局所化を組み合わせ、低帯域・高遅延・パケット損失のあるネットワークでもドリフトなくリアルタイムに長期視覚自己位置推定を実現した。
- 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。
- 人間信頼を統合した異種マルチロボットのタスク割当と記号動作計画群制御2018/10/1
動的ベイジアンネットワークで人間のロボットへの信頼をモデル化し、複数ロボットへのタスク割当と記号動作計画を信頼最大化に基づいて行う枠組みを提案した。
- ターゲット転移Q学習とその収束解析転移学習2018/9/1
安全条件を満たすときソースタスクのQ関数をQ学習のターゲットに転移する手法を提案し、タスク間の類似性に基づく収束速度の理論保証を与えた。
- 人間参加型の信頼に基づくマルチロボット記号動作計画マルチロボット計画2018/8/1
人間からロボットへの動的な信頼モデルを用いてマルチロボットの記号動作計画を分散的に分解し、自律と手動を切り替える枠組みで安全性と効率の両立を図った研究。
- 屋外動的環境におけるマルチセッション地図構築SLAM2018/7/1
3D LiDARを用いて大規模屋外環境の複数セッション地図を統合し、ループ閉じ込み検出と動的物体検出により低ダイナミクスを除去する手法を提案した。
- レーザマップ支援による環境変化に頑健な視覚慣性自己位置推定視覚慣性自己位置推定2018/3/1
LiDARで構築した地図を事前情報として用い、視覚慣性オドメトリとハイブリッドバンドル調整を組み合わせることで、季節変化や双方向走行があっても屋外で高精度に自己位置推定する手法を提案した。
- 安全到達目標を持つPOMDPのための有界方策合成POMDP/計画2018/1/1
安全到達目標付きPOMDPに対し、目標制約付き信念空間を記号的制約で有界ホライズン上に表現し、増分SMTソルバで有効な方策を効率的に探索する手法を提案した。
- LocNet：移動体向け3D点群のグローバル自己位置推定自己位置推定2017/12/1
LiDAR点群の場所認識を類似度学習で解くSiamese LocNetを提案し、事前地図上での距離情報のみによるグローバル自己位置推定を実現した研究。
- 線から幾何を読み解く：部分的なレーザー観測を用いた単眼深度推定深度推定2016/11/1
2Dレーザーレンジファインダの疎な観測から密な参照深度マップを作り、単眼画像の深度推定を参照との差分推定として再定義することで精度を向上させた研究。
- グラフ正則化深層ニューラルネットワークによる場所分類場所認識2015/6/1
レーザーレンジデータを多層化して深層学習で分類し、グラフ正則化と信頼度木による統合で場所分類精度を向上させる手法を提案した。
