Ming Tang
収録論文 11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
- 悪天候に依存しない自動運転知覚のための時間相関と展開正則化フレームワーク自動運転知覚2025/8/1
悪天候下の自動運転知覚において、晴天画像を参照せず、任意の悪天候に汎化可能なAdventフレームワークを提案。時間相関と展開正則化により、複数の悪天候が混在する状況でも頑健な知覚を実現する。
- iMacHSR: アーキテクチャ非依存の学習を実現する中間多アクセス異種監督・正則化スキーム深層学習トレーニング2025/5/1
モデル構造に依存せず中間層を多様な損失で監督し、負エントロピー正則化も加えることで汎化性能を高める学習手法を提案した。
- FedEMA: 自動運転における負のエントロピー正則化を伴う連合指数移動平均連合学習/自動運転2025/5/1
自動運転の連合学習で時間的な破滅的忘却を防ぐため、サーバ側で過去ラウンドのEMAモデルを融合し、車両側で負のエントロピー正則化を加えるFedEMAを提案し、mIoUを7.12%改善した。
- LightPlanner：軽量LLMの推論能力を引き出すタスクプランナータスク計画2025/3/1
軽量な大規模言語モデルでも複雑なタスク計画をこなせるよう、パラメータ化された関数呼び出しと階層的深層推論、記憶モジュールを組み合わせたプランナーを提案し、専用データセットで1.5Bモデルを訓練した。
- PhysVLM: 視覚言語モデルにロボットの物理的可到達性を理解させるVLA2025/3/1
ロボットの可到達性を汎用的に表現するS-Pマップを導入し、それを視覚言語モデルに組み込むことで、実環境での embodied 推論精度を向上させた研究。
- 何でもラベリング：解釈可能で高精度かつプロンプト不要なアノテータ自動運転/セマンティックセグメンテーション2025/2/1
事前学習済みViTと少数パラメータのアダプタ・最適化展開層を組み合わせ、1枚のシード画像だけで高精度な街路シーン自動アノテーションを実現する手法を提案。
- 後方最適化軌道を活用した大規模視覚モデルによる街路シーン意味理解の強化自動運転知覚2025/1/1
自動運転の知覚モデルに大規模視覚モデル(LVM)をバックボーンとして組み込み、後方最適化軌道(POT)誘導スキームで学習を加速することで、過学習を防ぎつつ汎化性能を向上させた研究。
- 多様な悪天候下で汎化可能な自動運転システム自動運転/セグメンテーション2024/9/1
悪天候に強いセグメンテーションのため、晴天画像を参照せず短時間の天候不変性を利用するAdvImmuを提案し、SAMで注釈を補助する。
- 自動運転向け高速収束・通信削減型異種階層連合学習連合学習2024/9/1
都市間のデータ分布の違いをガウス分布でモデル化して集約重みを設計し、階層連合学習の収束を加速するとともに、通信資源を削減する適応的スケジューリングを提案した論文。
- FedRC: 街路シーン意味理解のための高速収束階層型連合学習フレームワーク連合学習2024/7/1
都市間のデータ不均一性に対処するため、RGB画像とデータセットをガウス分布でモデル化した新しい集約重み設計により、階層型連合学習の収束を加速する手法を提案した。
- pFedLVM：大規模視覚モデル駆動・潜在特徴ベースの自動運転向けパーソナライズ連合学習フレームワーク連合学習2024/5/1
大規模視覚モデルを中央サーバにのみ配置し、車両とは学習済み特徴量のみを交換することで、通信負荷と計算負荷を抑えつつ各車両の個別特性も反映する連合学習フレームワークを提案した。