Yun Chen
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
- MotionMaestro: 統一された動作生成のためのマスク付きトークン化動作生成2026/9/26
多様な動作条件をマスキング戦略として統一的に扱い、マスク付き動作トークン化と条件付きフローマッチング生成器でテキスト・ポーズ・軌道制御などの動作生成タスクを単一フレームワークで実現した。
- 予期せぬ路面外乱下での股関節外骨格支援歩行に向けた個人適応型動的バランス評価パラダイム外骨格/バランス制御2026/9/13
股関節外骨格の支援条件を個人ごとに最適化するため、7つの生体力学的指標を統合した複合バランスコストを提案し、階層ベイズモデルで最良条件を高確率で特定できることを3名の実験で示した。
- CausalSplat: 3Dガウシアンスプラッティングにおける包括的階層的推論に向けて3Dシーン理解2026/8/11
3Dガウシアンスプラッティングを用いたシーン理解において、暗黙的な意図や常識推論を扱う新しいタスクを提案し、ベンチマークとフレームワークCausalSplatを構築した。
- ゲートはキャッシュではない:ゲートの由来が訓練不要のVLAトークンスキップの閉ループ信頼性を決めるVLA2026/8/1
VLAモデルのトークンスキップ高速化において、前ステップの加速された順伝播からゲートを取るとスキップが累積して性能が崩壊することを示し、ロボット実行中に密な順伝播を1回行う「アクチュエーションスラックリフレッシュ」を提案して性能を回復させた。
- 拡散モデル誘導による都市シーン再構成の汎用高品質化手法3D再構成2026/5/1
都市シーンの3D再構成において、視点が大きくずれると画質が劣化する問題を、拡散モデルの生成的先験知識を活用して数分で修正する汎用的な手法GenReを提案した。
- GenAssets: 潜在空間における実世界3Dアセットの生成3D生成2026/4/1
実世界のLiDARとカメラデータから、完全な形状と外観を持つ高品質な3Dアセットを生成する3D潜在拡散モデルを提案した論文。
- 自律フォークリフトの長期的マルチゴールタスクのための異種マルチエキスパート強化学習マニピュレーション2026/1/1
倉庫での自律フォークリフトの長期的タスクを、ナビゲーションとマニピュレーションの専門家に分け、模倣学習と強化学習を組み合わせて効率的に学習するフレームワークを提案。
- Flux4D: フローに基づく教師なし4D再構成4D再構成2025/12/1
大規模動的シーンの4D再構成を、注釈なしで3Dガウシアンと動きを直接予測するフレームワークで実現し、高速・高スケーラブルに再構成する。
- 障害物環境におけるクアッドロータの最適平滑被覆軌道計画軌道計画2025/10/1
遺伝的アルゴリズムで訪問点順序を決め、その後非線形最小二乗法で滑らかさ・時間・障害物回避を考慮した被覆軌道を生成する2段階手法を提案した。
- SaLF: 実時間マルチセンサレンダリングのためのスパースローカルフィールドsim2real2025/7/1
カメラとLiDARの両方に対応した新しいボリュメトリック表現SaLFを提案し、高速な学習とレンダリングを実現して自動運転のセンサシミュレーションを効率化した。
- G3R: 勾配誘導による汎化可能な大規模3D再構成3D再構成2024/9/1
微分可能レンダリングからの勾配フィードバックを反復的に用いる再構成ネットワークを学習し、大規模シーンを高速かつ高品質に再構成する手法を提案。
- CADSim: 実世界データからのロバストでスケーラブルな3D再構成による制御可能なセンサシミュレーションsim2real2023/11/1
少数のCADモデルを活用した部品認識型の物体クラス事前分布と微分可能レンダリングを組み合わせ、実世界の疎でノイズの多いセンサデータから車両の形状(関節のある車輪を含む)と高品質な外観を自動再構成する手法を提案。
- 実世界データからの物体再構成によるリアルなセンサシミュレーションsim2real2023/11/1
LiDARとカメラの疎な実世界データからニューラルSDFと物理ベース反射モデルで物体の形状と見た目を再構成し、自動運転知覚モデル評価用のマルチセンサシミュレーションを実現した。
- 深層強化学習による異種ロボットシステムの目標探索とナビゲーション群制御2023/8/1
UAVとUGVからなる異種ロボットシステムで、未知環境における目標探索とナビゲーションを深層強化学習で実現する。多段階学習フレームワークと好奇心モジュールを導入し、訓練を加速させる。
- UniSim: ニューラル閉ループセンサシミュレータsim2real2023/8/1
1回の走行ログから、静的背景と動的物体をニューラル特徴グリッドで再構成し、LiDARとカメラの閉ループマルチセンサシミュレーションを実現する手法を提案。
- GeoSim:自動運転向けの幾何学考慮型合成によるリアルな動画シミュレーションsim2real2021/1/1
既存の走行画像に他のシーンから抽出した動的物体を新たな視点で幾何学的に整合させて合成し、リアルで交通状況を考慮した自動運転シミュレーション動画を生成する手法を提案した論文。
- PnPNet:追跡を組み込んだエンドツーエンドの知覚と予測自動運転知覚2020/5/1
自動運転向けに、センサー入力から物体追跡と将来軌道予測を同時に行うエンドツーエンドモデルを提案し、大規模データセットで精度向上を示した。
