Junwon Seo
収録論文 15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
- StressDream: ビデオ世界モデルを操縦して堅牢なポリシー評価と改善を実現世界モデル/ポリシー評価2026/6/1
拡散ベースのビデオ世界モデルにおいて、推論時に指定された高影響かつ妥当な未来（例：タスク失敗）へ想像を誘導する手法を提案し、ポリシーの堅牢な評価と改善を可能にした。
- 不確かさを考慮したガウス意味マッピングのためのエビデンシャル楕円体ベイズカーネル推論意味マッピング2025/9/1
エビデンシャル深層学習で意味予測の不確かさを見積もり、ベイズカーネル推論に組み込むことで、屋外環境でのロバストな3D意味マッピングを実現した研究。
- AnySafe: 潜在空間における安全制約パラメータ化による実行時適応型潜在安全フィルタ安全制御/マニピュレーション2025/9/1
世界モデルの潜在空間で安全フィルタを構築し、ユーザが指定した制約画像のエンコーディングに条件付けすることで、実行時に任意の安全制約へ適応できる手法を提案。Frankaマニピュレータの視覚ベース制御タスクで有効性を実証した。
- 不確実性を考慮した潜在安全フィルタ：分布外の危険を回避する安全制御2025/5/1
世界モデルの認識的不確実性を活用し、未知の危険を事前に検知して安全な行動を提案する潜在安全フィルタを提案。
- OW-Rep: インスタンス表現学習によるオープンワールド物体検出オープンワールド物体検出2024/9/1
未知物体の検出とインスタンス埋め込み学習を同時に行うオープンワールド物体検出フレームワークを提案し、Vision Foundation Modelを活用して未知物体の位置精度と意味的類似性を向上させた。
- 不確実性を考慮したオフロード環境の意味マッピング：デンプスター・シェーファー証拠理論の適用意味マッピング2024/5/1
オフロード環境での意味マッピングにおいて、デンプスター・シェーファー証拠理論とEvidential Deep Learningを組み合わせ、不確実性を考慮した信頼性の高いマップを構築する手法を提案した。
- 不確かさを考慮したベイズカーネル推論によるオフロード環境のエビデンシャル意味マッピング意味マッピング2024/3/1
意味セグメンテーションにEvidential Deep Learningを組み込み、その不確かさをベイズカーネル推論に反映させることで、見通しの悪いオフロード環境でも信頼性の高い意味地図を構築する手法を提案した。
- UFO: 不確実性を考慮したLiDAR-画像融合によるオフロード地形の意味マップ推定VLA2024/3/1
RGB画像とLiDARスキャンを多スケールで融合し、不確実性を考慮した擬似ラベルを用いて、オフロード環境のBEV地形分類マップを高精度に生成する学習手法を提案した。
- DA-RAW: Domain Adaptive Object Detection for Real-World Adverse Weather Conditions2023/9/1
- METAVerse: Meta-Learning Traversability Cost Map for Off-Road Navigation2023/7/1
- Safe Navigation in Unstructured Environments by Minimizing Uncertainty in Control and Perception2023/6/1
- Learning Off-Road Terrain Traversability with Self-Supervisions Only2023/5/1
- Bridging Active Exploration and Uncertainty-Aware Deployment Using Probabilistic Ensemble Neural Network Dynamics2023/5/1
- Self-Supervised 3D Traversability Estimation with Proxy Bank Guidance2022/11/1
- ScaTE: A Scalable Framework for Self-Supervised Traversability Estimation in Unstructured Environments2022/9/1