Jingchuan Wang
収録論文 16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
- LiDAR地図から視覚的自己位置推定へ：ロバストな点・線・面姿勢推定のための統合視覚対応付け自己位置推定2026/9/23
LiDAR地図を準画像としてレンダリングし、カメラ画像と共通の視覚特徴・マッチング手法で対応付けることで、事前LiDAR地図上でのカメラ自己位置推定を高精度かつロバストに行う統合フレームワークを提案。
- U-OBCA: Wasserstein分布ロバスト確率制約による不確実性を考慮した最適化ベース衝突回避衝突回避2026/3/1
ロボットの安全なナビゲーションのため、多角形ロボットと障害物の衝突リスクを確率制約として定式化し、分布の不確実性をWasserstein距離でロバスト化した衝突回避手法を提案した。
- OTPL-VIO: 最適輸送による線分対応と適応的不確実性を備えた堅牢な視覚慣性オドメトリVIO2026/3/1
低テクスチャや急な照明変化で点特徴が不安定な環境向けに、線分に深層記述子と最適輸送マッチングを導入し、信頼性適応重み付けで推定を安定化するステレオ点線VIOシステムを提案した。
- Graph-Loc: 低観測性・遮蔽環境下でのコンパクトな構造地図事前分布を用いたロバストなグラフベースLiDAR姿勢追跡自己位置推定2026/2/1
点と線の軽量グラフで表現した地図事前分布に対し、LiDARスキャンから抽出した点・線を不均衡最適輸送で対応付けることで、遮蔽や低観測性に強い姿勢追跡を実現した。
- ロボティクスに最適な3Dシーン表現は何か？幾何表現から基盤モデルまで3Dシーン表現2025/12/1
ロボティクスにおける点群・ボクセル・SDF・NeRF・3DGS・基盤モデルなどの3Dシーン表現を、知覚・地図構築・自己位置推定・ナビゲーション・マニピュレーションの5モジュール別に整理・比較したサーベイ。
- MUT3R: 動きを考慮した更新トランスフォーマーによる動的3D再構成3D再構成2025/12/1
事前学習済みトランスフォーマーの自己注意マップから動きの手がかりを抽出し、再学習なしで動的領域の影響を抑制してストリーミング3D再構成を安定化させる手法を提案。
- 拡散モデル誘導による実世界単眼深度推定攻撃用の敵対的物体生成敵対的攻撃2025/12/1
拡散モデルを用いてシーンに自然に溶け込む敵対的物体を生成し、単眼深度推定を誤らせる物理攻撃手法を提案した。
- GRS-SLAM3R: ゲート付きリカレント状態を用いたリアルタイム高密度SLAMSLAM2025/9/1
RGB画像から事前知識なしに高密度シーン再構成とカメラ姿勢推定をリアルタイムで行うSLAMフレームワークを提案。空間メモリをゲート付きリカレント更新で管理し、サブマップ分割とグローバル整合により高精度な再構成を実現。
- 3D不確かさを考慮したPnPに基づく4Dレーダ・カメラ外部キャリブレーションツールキャリブレーション2025/7/1
4Dレーダとカメラの外部キャリブレーションにおいて、球面座標ノイズ伝播を明示的にモデル化する3D不確かさ対応PnPアルゴリズムを提案し、シミュレーションと実実験で精度と一貫性を向上させた。
- MCN-SLAM: ハイブリッド暗黙的ニューラルシーン表現を用いたマルチエージェント協調ニューラルSLAMSLAM2025/6/1
複数エージェントが協調して動作する分散型ニューラルSLAMフレームワークを提案し、通信帯域制約下での大規模環境の再構成と、単一・複数エージェント両対応の実世界データセットを構築した。
- RaCalNet: スパース教師ありメートル深度推定のためのレーダーキャリブレーションネットワーク深度推定2025/6/1
スパースなLiDAR教師信号のみでレーダー計測を補正し、単眼深度と融合して高精度なメートル深度推定を実現する手法を提案。
- 曲がりくねった道路におけるトラクタ・トレーラ車両の最適化ベース軌道計画：サンプリング数漸増法軌道計画2025/5/1
曲がりくねった道路でのトラクタ・トレーラ車両の軌道計画において、幾何学的表現で誤差を定式化し、サンプリング数を漸増させる最適化フレームワークを提案した。
- SN-LiDAR: 新規時空間ビューLiDAR合成のためのセマンティックニューラルフィールドLiDAR/NeRF2025/4/1
LiDAR点群の新規視点合成において、セマンティックセグメンテーション・幾何再構成・LiDAR合成を同時に行う手法を提案し、動的物体や大規模シーンに対応できることを示した。
- SALT: クロスシーン適応と4D一貫性を備えた汎用LiDAR点群向け柔軟な半自動ラベリングツールデータセット/アノテーション2025/3/1
LiDAR点群を疑似画像に変換して視覚基盤モデルを活用し、4D一貫性を保ちながら自動で事前セグメンテーションを行う半自動ラベリングツールを提案。アノテーション効率を大幅に向上させる。
- 大規模シーンにおける単眼カメラの深度・姿勢・暗黙的シーン表現のインクリメンタル統合学習3D再構成2024/4/1
単眼カメラ映像から大規模シーンの高精度な深度推定・カメラ姿勢推定・フォトリアルな3D再構成を同時に実現するインクリメンタル統合学習フレームワークを提案。
- NeSLAM: 深度補完とノイズ除去を備えたニューラル暗黙的マッピングと自己教師あり特徴追跡SLAM2024/3/1
RGB-Dセンサの疎でノイズの多い深度を補完・除去するネットワークとSDFベースの階層的シーン表現、NeRFベースの自己教師あり特徴追跡を組み合わせ、高精度な3D再構成とロバストなカメラ追跡を実現したSLAMフレームワーク。