Congcong Wen
収録論文 14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
- 歩行事前知識を用いたヒューマノイド全身運動のワンショット適応ヒューマノイド2025/10/1
歩行運動で学習済みの基盤モデルと単一の非歩行運動サンプルを組み合わせ、最適輸送による補間で新しい全身運動を生成し、強化学習で適応させるデータ効率の高い手法を提案した。
- ウェーブレットポリシー：長期タスクのためのポリシー学習におけるリフティングスキームポリシー学習2025/7/1
ウェーブレット変換を用いて観測を多スケール分解し、長期タスクのポリシー学習を高精度化するフレームワークを提案。ロボット操作・自動運転・群ロボット協調で有効性を検証。
- MapBERT: ビットワイズマスクモデリングによるリアルタイムセマンティックマップ生成セマンティックマッピング2025/6/1
セマンティックマップをビットトークンに符号化し、マスク付きトランスフォーマーで未観測領域を推論してリアルタイムに完全なマップを生成する手法を提案。
- H2-COMPACT：適応的接触軌道ポリシーによる人間-ヒューマノイド協調マニピュレーション協調マニピュレーション2025/5/1
触覚のみから人間の意図を推定し、脚式ヒューマノイドが人間と協調して長尺荷物を運搬する階層型ポリシー学習フレームワークを提案。実機Unitree G1で目隠しした人間の追随者と同等の性能を達成した。
- 悪天候下でのLiDAR位置認識を実現する反復型タスク駆動フレームワーク位置認識/sim2real2025/4/1
雨・雪・霧で劣化したLiDAR点群を復元モジュールと位置認識モジュールの反復学習で相互に改善し、悪天候でも頑健な位置認識を可能にするITDNetを提案した。
- 身体性行動連鎖推論とマルチモーダル基盤モデルによるヒューマノイドのゼロショット移動操作エージェントVLA2025/4/1
基盤モデルの推論と身体性行動連鎖(CoA)機構を組み合わせ、人間の指示を移動・操作のプリミティブ列に分解することで、ヒューマノイドのゼロショット移動操作を実現したフレームワーク。
- マルチロボット協調における振り返り型フレームワークの統合群制御2025/2/1
動的で不確実な環境でのマルチロボット協調のため、リアルタイム意思決定を行うactorと結果を振り返ってフィードバックを与えるcriticを組み合わせた新しいactor-criticフレームワークを提案し、シミュレーション実験で有効性を示した。
- 視覚言語モデルと思考の木推論によるゼロショット物体ナビゲーションナビゲーション2024/10/1
視覚言語モデルとTree-of-Thought推論を組み合わせ、未知環境で自然言語指示に従って物体を探索するゼロショット物体ナビゲーション手法VLTNetを提案した論文。
- 実世界ゼロショット物体ゴールナビゲーションのための信頼性の高い意味理解ナビゲーション2024/10/1
GLIPとInstructionBLIPを組み合わせた二重構成フレームワークで、未知環境でのゼロショット物体ゴールナビゲーションの意味理解を高め、ナビゲーション精度と信頼性を向上させた。
- GAMap: マルチスケール幾何・アフォーダンス誘導によるゼロショット物体目標ナビゲーションナビゲーション2024/10/1
物体の部分形状とアフォーダンス属性をマルチスケールで評価し、未知カテゴリの物体へ誘導するゼロショット物体目標ナビゲーション手法を提案。HM3DとGibsonで成功率が向上。
- 基盤モデルによるフロンティア選択の信頼性探求：ゼロショット物体目標ナビゲーションに向けてナビゲーション2024/10/1
複数の専門家モデルによるフロンティア分析と合意形成で、基盤モデルを用いたゼロショット物体目標ナビゲーションの信頼性を高める手法を提案し、RoboTHORとHM3Dで最先端性能を示した。
- 大規模言語モデルによる双方向自然言語対話で強化された社会的配慮型ロボットナビゲーションナビゲーション2024/9/1
深層強化学習と大規模言語モデルを組み合わせ、歩行者と双方向に自然言語で対話しながら衝突回避や経路決定を行う社会的配慮型ナビゲーション手法を提案した。
- TripleMixer: 悪天候下のLiDAR点群ノイズ除去モデル点群ノイズ除去2024/8/1
雪・霧・雨などの悪天候で乱れたLiDAR点群を、空間・周波数・チャネル方向の3種のミキサーで高精度にノイズ除去するネットワークを提案し、大規模シミュレーションデータセットと4つのベンチマークで有効性を示した。
- 都市環境におけるLLMナビゲーションの安全性はどれほどか？VLA2024/2/1
都市部の屋外ナビゲーションにLLMを用いたモデルに対し、プロンプトを摂動させる攻撃手法（NPI/NPS）を提案し、ホワイトボックス・ブラックボックス両設定で性能が大きく低下することを示した。