Jun Zhou
Shanghai Jiao Tong University
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
- ショウジョウバエに学ぶ階層的モジュール性による汎用的な継続学習継続学習2026/9/21
ショウジョウバエの学習・記憶系に着想を得た階層的モジュール構造を事前学習済み基盤モデルに組み込み、オンラインで不確実なデータストリーム下での継続学習を実現した研究。
- 自動運転のための4Dレーダー知覚アルゴリズム：レビュー自動運転知覚2026/9/16
4Dミリ波レーダーを用いた知覚アルゴリズムの研究動向を、信号処理から物体検出、セグメンテーション、占有予測、動的シーン再構成までタスク指向で整理したレビュー。
- 人類が最後に作るAI：真の再帰的自己改善に向けて再帰的自己改善2026/9/10
再帰的自己改善（RSI）の概念と発展ロードマップを提示し、科学発見・身体知能・ソフトウェア工学などのシナリオでの要件を検討して、実用的なシステムとの接続や課題を整理した論文。
- VidForensics-M1: 検証可能な時間的接地を用いたメタ検出強化学習によるAI生成ビデオ鑑識ビデオ鑑識2026/8/11
AI生成ビデオ検出のための新しいメタ検出強化学習フレームワークを提案し、時間的接地を証拠として利用することで、ラベル予測と証拠の統合を強化し、未見の生成モデルへの一般化を向上させた。
- PhysEditWorld: 物理編集可能なワールドモデル向け大規模データセットデータセット2026/6/25
ゲームワールドモデルの物理ダイナミクスを制御可能にするため、重力パラメータを明示的に付与した大規模マルチモーダルデータセットを構築した。
- REVEAL: 参照に基づく推論によるマルチモーダル操作検出マルチモーダル検出2026/5/27
画像とテキストのペアの偽造を検出し、改ざん領域を特定するために、検索した真正な証拠と比較する参照基盤の検証フレームワークを提案した。
- MIND-V: 物理整合のための強化学習を用いた階層型ワールドモデルによる長期的ロボットマニピュレーションワールドモデル2025/12/1
認知科学に着想を得た階層型ワールドモデルMIND-Vを提案し、物理的に妥当で論理的に一貫した長期的ロボット操作動画を合成する。強化学習による物理整合でSOTAを達成。
- 信頼性の高いAR誘導手術ナビゲーションに向けて：データ駆動型生体力学とプロンプトを用いた対話的変形モデリング手術ナビゲーション2025/6/1
術前モデルと術中解剖のずれを補正するため、FEM精度を保ちつつ高速なデータ駆動型生体力学アルゴリズムを提案し、さらに外科医が対話的にプロンプトを与えて誤整列を修正する仕組みを導入した。公開データセットで平均誤差3.42mm、プロンプト併用で2.78mmを達成した。
- LiDAR慣性SLAMのための動的初期化SLAM2025/4/1
ロボットが移動中でもLiDARオドメトリとIMUを反復的に整合させ、LiDAR慣性SLAMを高速かつ頑健に初期化する手法を提案した論文。
- MM-LINS: 過度に退化した環境のためのマルチマップLiDAR慣性システムSLAM2025/3/1
LiDARの退化が起きる環境で地図のドリフトを防ぐため、退化検出時に地図を退避させて新規地図を動的初期化で構築し、後段で地図間類似度を検出して融合するマルチマップLiDAR慣性SLAMを提案した論文。