Cheng Wang
Xiamen University
収録論文 24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
- 空間推論ベンチマークを超えて：ナビゲーションへの応用ナビゲーション2026/9/24
空間推論ベンチマークの性能がナビゲーションに直結しない問題を分析し、空間監督をナビゲーション目標に合わせて2段階で微調整する手法を提案。8BモデルでHM3Dなどで高性能を達成。
- ZIL: ゼロショット画像-LiDAR位置合わせ位置合わせ/ゼロショット2026/9/19
画像とLiDAR点群の位置合わせを、追加学習なしで行う初の基盤モデルZILを提案。カメラ内部パラメータとLiDAR原点の正規化により、未見環境でも高精度にカメラ姿勢を推定できる。
- USV-HROVシステムのためのテザーを考慮した動的衝突回避群制御2026/6/1
水中ケーブル点検のためのUSVとHROVの協調システムにおいて、テザー（ケーブル）の安全性と張力過多を考慮しながら動的障害物を回避する手法を提案した。
- 自動運転車両テストのための責任帰属型敵対的シナリオ学習自動運転/安全性検証2026/5/1
自動運転システムの安全性検証において、衝突がシステムの欠陥によるものか交通上の不可避な衝突かを区別するため、責任帰属を敵対的シナリオ生成に組み込んだフレームワークCARSを提案した。
- KG-ASG: 衝突知識に基づく閉ループ敵対的シナリオ生成と主犯・支援車両の帰属自動運転シナリオ生成2026/5/1
自動運転の安全性検証のため、衝突知識ベースと軽量な衝突専門家を用いて、主な敵対車両と支援車両の役割を推定し、実行可能で原因が明確な多車両衝突シナリオを生成するフレームワークを提案した。
- 位置づけ：身体化AIにはプライバシーと実用性のトレードオフが必要プライバシー/身体化AI2026/5/1
身体化AI（EAI）システムが実環境で頻繁に使用される際、各段階を独立に最適化するとプライバシー漏洩が不可逆的になるという問題を指摘し、ライフサイクル全体でプライバシーを動的制御信号として扱う統合フレームワークSPINEを提案した。
- VRUD: 混在交通における複雑な車両と脆弱な道路利用者の相互作用のためのドローンデータセットデータセット2026/4/1
都市部の無秩序な環境での自動運転研究のために、ドローンで撮影した脆弱な道路利用者（VRU）と車両の相互作用データセットVRUDを構築した。
- 緊急車線変更シミュレーション：リスクシナリオ生成のための行動誘導アプローチ自動運転シミュレーション2026/3/1
自動運転テスト用に、限られたデータから緊急車線変更行動を学習し、高リスクな衝突シナリオを効率的に生成する行動誘導手法を提案した。
- 運転者の知覚リスクと物理リスクの融合による自動運転向け安全臨界シナリオ選別自動運転/リスク評価2026/3/1
大規模な自然運転データから安全臨界シナリオを効率的に選別するため、運転者リスク場と動的コストモデルを融合したリスク予測手法を提案し、シナリオレベルのリスクスコアを直接予測することでフレーム単位の計算を回避した。
- LTL制約をPPOに統合した安全な強化学習安全強化学習2026/3/1
線形時相論理(LTL)で記述された安全制約をPPOに統合し、制約違反を監視してペナルティ信号に変換することで、安全な強化学習を実現するフレームワークを提案した。
- SOAR: UAV向け回帰ベースLiDAR再位置推定自己位置推定2026/2/1
UAVの任意姿勢・不規則飛行経路に対応する回帰ベースLiDAR再位置推定フレームワークSOARを提案し、大規模UAV LiDARデータセットを構築して従来手法を大幅に上回る精度を実現した。
- 自動運転車のベンチマーク：ドライバー基盤モデルフレームワーク自動運転2026/2/1
自動運転車の性能を人間ドライバーと比較評価するための「ドライバー基盤モデル」の概念と、その構築・活用フレームワークを提案した論文。
- RoboSenseチャレンジ：あらゆる環境を認識し、どこへでも移動し、プラットフォームを超えて適応するロボット知覚ベンチマーク2026/1/1
ロボット知覚の堅牢性と適応性を競うRoboSense 2025チャレンジの報告で、5つのタスクのベンチマークと23の受賞解法から得られた知見をまとめた。
- UniSTPA：エンドツーエンド自動運転のための安全分析フレームワーク自動運転安全分析2025/5/1
エンドツーエンド自動運転システムのライフサイクル全体を対象に、STPAを拡張してモデル内部層まで危険分析を行うUniSTPAを提案し、高速道路の自動運転機能で有効性を示した。
- HAD-Gen: 人間らしく多様な運転行動をモデル化する制御可能なシナリオ生成自動運転シミュレーション2025/3/1
運転スタイルごとに軌跡をクラスタリングし、最大エントロピー逆強化学習で報酬関数を学習、オフライン強化学習とマルチエージェント強化学習を組み合わせて、人間らしく多様な運転行動を再現する交通シナリオ生成フレームワークを提案した。
- 交通シミュレーションのための制御可能な潜在拡散モデル自動運転シミュレーション2025/3/1
強化学習で拡散モデルの学習を誘導し、自動運転の仮想テスト用に多様で制御可能な走行シナリオを自動生成する手法を提案した。
- DiffusionDrive：切り詰め拡散モデルによるエンドツーエンド自動運転自動運転2024/11/1
拡散モデルのノイズ除去ステップを切り詰め、マルチモードアンカーを導入することで、自動運転の行動生成を2ステップで多様かつ高品質にし、リアルタイム速度を実現した。
- 安全で信頼できる自動運転のための説明可能AI：系統的レビュー自動運転2024/2/1
自動運転における安全・信頼性確保のため、説明可能AI（XAI）の要件と貢献を整理し、SafeXという統合フレームワークを提案したレビュー論文。
- DSMNet: Deep High-precision 3D Surface Modeling from Sparse Point Cloud Frames2023/4/1
- The Application of Driver Models in the Safety Assessment of Autonomous Vehicles: A Survey2023/3/1
- Causal Explanations for Sequential Decision-Making in Multi-Agent Systems2023/2/1
- Verifiable Goal Recognition for Autonomous Driving with Occlusions2022/6/1
- A Human-Centric Method for Generating Causal Explanations in Natural Language for Autonomous Vehicle Motion Planning2022/6/1
- HiTMap: A Hierarchical Topological Map Representation for Navigation in Unknown Environments2021/9/1