Changze Li
収録論文 8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
- VLN-AVP：ハイブリッド長期短期記憶を用いた自動バレーパーキングのためのゼロショット視覚言語ナビゲーションナビゲーション2026/7/1
事前地図に依存せず、視覚言語モデルとBEVモデルを組み合わせ、自然言語指示に従って駐車場をナビゲートするゼロショットフレームワークを提案。短期知覚記憶と長期トポロジー記憶を導入し、新規の地下駐車場ベンチマークで高い成功率を達成した。
- AgenticNav: ツール呼び出しハーネスとしてのゼロショット視覚言語ナビゲーションナビゲーション2026/6/1
連続環境でのゼロショット視覚言語ナビゲーションを、VLMが行動・深度・記憶をツールとして呼び出せるエージェント的インターフェースとして再設計し、SOTA性能を達成した。
- REAP: ガウススプラッティングシミュレータを用いた強化学習によるエンドツーエンド自動駐車とReal2Sim2Real転送自動駐車2026/5/1
強化学習とガウススプラッティングシミュレータを組み合わせ、エンドツーエンドの自動駐車を実現し、実世界への転送を可能にする手法を提案した論文。
- エレベータ-LIO: エレベータ起因の非慣性運動下での多階層ナビゲーションのための堅牢なLiDAR-慣性オドメトリ自己位置推定2026/5/1
エレベータ移動中の連続的なロボット自己位置推定を実現するため、非慣性フレームでの状態推定を分離モデル化し、モード依存の反復誤差状態カルマンフィルタに組み込んだLiDAR-慣性オドメトリフレームワークを提案した。
- ParkingWorld: 3DGSシミュレーションにおける修正経験からのエンドツーエンド自動駐車強化学習自動駐車/強化学習2026/5/1
3Dガウススプラッティング(3DGS)シミュレータで、人間の修正介入を活用した強化学習フレームワーク(CIL-SERL)を提案し、エンドツーエンドの自動駐車ポリシーを学習する。
- GS-LIVO: ガウスマッピングを用いたLiDAR・慣性・視覚のリアルタイム融合オドメトリSLAM2025/1/1
LiDAR・IMU・カメラを統合し、3Dガウススプラッティングによる地図表現とIESKFベースのオドメトリを組み合わせることで、リアルタイムかつ省メモリなSLAMシステムを実現した論文。
- ParkingE2E: カメラ画像から経路計画までのエンドツーエンド自動駐車ネットワーク自動運転/経路計画2024/8/1
RGB画像から直接経路計画を行う模倣学習ベースのエンドツーエンド自動駐車手法を提案し、実世界の4つの駐車場で平均87.8%の成功率を達成した。
- クラウドソースNeRF：市販車両から収集したデータによる3D街路ビュー再構成NeRF/大規模再構成2024/6/1
市販車両が撮影した大量の画像をクラウドソース的に収集・選別し、NeRFで大規模な街路の3D再構成を行うフレームワークを提案した。