Guijin Wang
収録論文 10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
- 水中環境におけるフォトリアリスティックな単眼SLAM: WaterSplat-SLAMSLAM2026/4/1
水中単眼SLAMのための新しいシステムを提案し、セマンティックな媒体フィルタリングとガウス写像を用いて、頑健なカメラ追跡と高忠実度の密度マッピングを実現した。
- MG-Grasp: スパースRGB観測によるメートルスケール幾何学的6自由度把持フレームワーク把持2026/3/1
RGB画像のみからメートルスケールの点群を再構成し、6自由度の安定した把持を生成する新しいフレームワークを提案。
- GAP-RL: 把持を点として表現する動的物体把持のための強化学習マニピュレーション2024/10/1
6D把持姿勢をガウス点に変換するGrasp Encoderと把持可能領域探索を組み合わせ、動く物体を強化学習で把持するフレームワークを提案し、シミュレーションと実機で有効性を示した。
- 階層的ヒートマップと特徴伝播によるエッジデバイス向け効率的なEnd-to-End 6自由度把持検出フレームワークマニピュレーション2024/10/1
階層的ヒートマップ表現と効率的なネットワーク設計により、エッジデバイス上でリアルタイムに動作する6自由度把持検出ネットワークE3GNetを提案し、実環境で94%の把持成功率を達成した。
- マルチモーダルな人間ガイダンスによる目標指向物体把持マニピュレーション2024/8/1
言語指示・指差し・クリックといった人間のマルチモーダルなガイダンスを統合し、対象物体周辺の局所領域に注目して6-DoF把持を効率的に検出するTOGNetを提案した。
- 正規化把持空間を用いた領域認識型6自由度把持フレームワークマニピュレーション2024/6/1
把持表現を正規化された領域空間に統一するNormalized Grasp Spaceを提案し、効率的なCNNベースの6自由度把持検出ネットワークRNGNetを構築した。公開ベンチマークで20%以上の性能向上と約50FPSのリアルタイム推論を実現した。
- パート誘導型3D強化学習による関節物体操作のSim2Realsim2real2024/4/1
2Dセグメンテーションと3D強化学習を組み合わせ、実機での関節物体操作をデモなしで学習するフレームワークを提案。不確実性を考慮したサンプリングで実機での安定性を向上させた。
- TOP-Nav: 地形・障害物・固有感覚推定を統合した脚式ナビゲーション歩行2024/4/1
視覚と固有感覚を組み合わせ、地形の走破性評価と障害物回避を統合した脚ロボットのナビゲーション手法を提案し、実環境で有効性を示した。
- 6自由度把持検出の再考：高品質把持のための柔軟なフレームワークマニピュレーション2024/3/1
把持中心の視点から、シーン全体と特定対象の両方の把持に対応するFlexLoGを提案し、GraspNet-1Billionで大幅な精度向上と実環境で95%の成功率を達成した。
- ヒートマップ誘導による混雑環境での効率的な6自由度把持検出マニピュレーション2024/3/1
把持ヒートマップをガイダンスとして用い、局所領域に注目することで混雑環境でもリアルタイムに高精度な6自由度把持検出を実現した手法を提案。