Ming Yang
Nanjing University
収録論文 43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
- TC-ADA: セマンティックセグメンテーションのためのワンショット能動的ドメイン適応ドメイン適応2026/9/27
新しい走行環境へのセマンティックセグメンテーション適応のため、1ラウンドで少数のターゲット画像を選択・密アノテーションし、視覚基盤モデルと固定UDAモデルを活用して適応する手法を提案。
- RECAST: ログ再生から閉ループ運転シミュレーションへ、視点完全なアクターを用いてsim2real2026/9/25
単一の車両観測から3Dガウシアンスプラッティングで任意視点の車両モデルを生成し、記録軌道を超えて動くアクターを含む閉ループ運転シミュレーションを可能にする手法を提案。
- HapticWorld：リアルタイムトルクフィードバックを備えたインタラクティブ世界シミュレータ触覚2026/9/25
学習した世界モデルにトルク予測とリアルタイムの力覚提示を組み込み、接触の多い操作タスクのデータ収集効率と方策性能を向上させ、実世界評価の代替プラットフォームとしても機能することを示した。
- LookStep: 言語的先見とイベント駆動メモリによる効率的な視覚言語ナビゲーションVLA2026/9/2
視覚言語ナビゲーションのための、言語ラベルによる将来状態予測とイベント駆動型メモリを組み合わせた効率的なエンドツーエンドフレームワークを提案。
- ゲームを賢く選ぶ：実世界の車両インタラクションにおけるゲーム理論構造の計測車両インタラクション2026/8/26
実世界の車両軌跡データから、同時的・逐次的・非対称なインタラクション構造を計測するフレームワークを提案し、6つのデータセットで評価した。
- RoadWeaver: 自動運転シミュレーションのための大規模レーン級HDマップのゼロからの生成自動運転シミュレーション2026/8/1
自動運転シミュレーション用に、道路網全体を粗いレイアウトから詳細なレーン幾何学へと段階的に生成する大規模HDマップ生成フレームワークを提案した。
- VLN-AVP：ハイブリッド長期短期記憶を用いた自動バレーパーキングのためのゼロショット視覚言語ナビゲーションナビゲーション2026/7/1
事前地図に依存せず、視覚言語モデルとBEVモデルを組み合わせ、自然言語指示に従って駐車場をナビゲートするゼロショットフレームワークを提案。短期知覚記憶と長期トポロジー記憶を導入し、新規の地下駐車場ベンチマークで高い成功率を達成した。
- 万能操作外骨格：リアルタイムトルクフィードバックによるコンプライアント全身ポリシーの学習遠隔操作/データ収集2026/6/12
上肢外骨格UMEを開発し、触覚トルクフィードバック付き遠隔操作で力覚データを収集、コンプライアントな全身操作ポリシーを学習する手法を提案。
- DSIP: 拡散モデルに基づくマルチエージェント動作計画を用いた信号機なし交差点の動的協調プランナー群制御2026/6/1
拡散モデルを用いたマルチエージェント動作計画により、信号機なし交差点での車両軌道を最適化し、遅延を削減する手法を提案した。
- SCAN-Planner: 経路誘導型長距離四足歩行ナビゲーションのための空間衝突認識ローカルプランナー歩行2026/6/1
四足ロボットの長距離ナビゲーション向けに、ヨー角を考慮したツインシリンダーフットプリントと投影A*探索を用いた空間衝突認識ローカルプランニングフレームワークを提案し、狭い通路や3D非構造環境での安全で効率的な移動を実現した。
- AgenticNav: ツール呼び出しハーネスとしてのゼロショット視覚言語ナビゲーションナビゲーション2026/6/1
連続環境でのゼロショット視覚言語ナビゲーションを、VLMが行動・深度・記憶をツールとして呼び出せるエージェント的インターフェースとして再設計し、SOTA性能を達成した。
- 一針先に縫う：エンドツーエンド自動運転における認識更新下でのポリシー互換性の維持自動運転2026/6/1
エンドツーエンド自動運転で認識モデルを更新した際に、固定された下流ポリシーとの互換性を軽量な潜在空間アライメント（モデルステッチ）で保てるかを検証し、再学習や微調整に比べ大幅な時間削減を実現した。
- LOGOS: LiDARのみを用いたガウス標高スプラッティングによる統一的な微小障害物セグメンテーションセグメンテーション2026/6/1
道路面を2Dガウスプリミティブの連続混合としてモデル化し、高精度な標高推定により縁石や砂利などの微小障害物をセグメンテーションするLiDARのみの手法を提案した。
- エレベータ-LIO: エレベータ起因の非慣性運動下での多階層ナビゲーションのための堅牢なLiDAR-慣性オドメトリ自己位置推定2026/5/1
エレベータ移動中の連続的なロボット自己位置推定を実現するため、非慣性フレームでの状態推定を分離モデル化し、モード依存の反復誤差状態カルマンフィルタに組み込んだLiDAR-慣性オドメトリフレームワークを提案した。
- REAP: ガウススプラッティングシミュレータを用いた強化学習によるエンドツーエンド自動駐車とReal2Sim2Real転送自動駐車2026/5/1
強化学習とガウススプラッティングシミュレータを組み合わせ、エンドツーエンドの自動駐車を実現し、実世界への転送を可能にする手法を提案した論文。
- 車両側LiDARデータセットから新規視点合成による路側LiDARデータセット生成データ合成/知覚2026/5/1
車両搭載LiDARデータから路側視点のラベル付きLiDARデータセットを合成するフレームワークVRSを提案し、実データ不足を補い路側3D物体検出の性能向上を実証した。
- TravExplorer: traversabilityを考慮した3次元プランニングによる階層横断型具現化探索ナビゲーション2026/5/1
ゼロショット物体ナビゲーションを複数階の建物に拡張し、 traversabilityを考慮した3次元プランニングとセマンティックガイダンスを組み合わせた探索フレームワークを提案した。
- Any2Any: ヒューマノイド全身追跡のための効率的なクロスエンボディメント転移ヒューマノイド/転移学習2026/5/1
事前学習済みの全身追跡モデルを、少量のデータと計算で新しいヒューマノイドに転移させる手法Any2Anyを提案。運動学的整合と軽量なパラメータ効率的ファインチューニングにより、スクラッチ学習と同等以上の性能を達成する。
- C2T: キャプション構造とLLM整合型常識報酬学習による交通・車両協調群制御2026/4/1
交通信号制御と自動運転車の協調において、人手設計の報酬に代わり、大規模言語モデルから常識知識を抽出して内在報酬を学習し、MARLポリシーを導くフレームワークC2Tを提案した。
- 再照明可能な3Dガウシアンスプラッティングによる森林でのゼロショットUAVナビゲーションUAVナビゲーション2026/2/1
実世界データに基づくシミュレーションで、照明を編集可能な3Dガウシアンスプラッティングを用いて強化学習を行い、森林環境で最大10m/sのゼロショット自律飛行を実現した。
- 事前学習と高速適応による汎用人型全身制御全身制御2026/2/1
人型ロボットの全身制御を、事前学習したポリシーに軽量な残差ポリシーを高速適応させることで、未知の動作にも安定して追従できるフレームワークFASTを提案した。
- 原始スキルから拡散ポリシーを学習するロボットマニピュレーションマニピュレーション2026/1/1
「上に動かす」「グリッパを開く」などの細かい原始スキルを抽出し、視覚言語モデルとルータでスキル条件付き拡散ポリシーを構成することで、多様なタスクで高精度なマニピュレーションを実現した研究。
- 単眼魚眼カメラによるエンドツーエンド車両追従システム自動運転/車両追従2025/11/1
単眼魚眼カメラのみを用いたエンドツーエンドの車両追従フレームワークを提案し、意味マスクと動的サンプリングで先行車追従を高精度化、実車実験で従来手法を上回る性能を示した。
- 路側知覚に適したLiDAR走査パターンはどちらか：反復型か非反復型か路側知覚2025/11/1
CARLAシミュレーションで反復型と非反復型の路側LiDARデータセットを構築し、3D物体検出性能を比較した結果、非反復型は検出範囲が限られるものの低コストで反復型128線と同等の性能を示した。
- 強化学習の事前分布で拡散モデルを洗練させる閉所駐車プランナー自動運転/駐車計画2025/10/1
強化学習で事前学習した方策の行動分布を拡散モデルの訓練に組み込み、閉所での駐車計画の成功率と精度を高めつつ推論ステップを削減した手法を提案。
- Bench-RNR: 反復走査・非反復走査LiDARによるインフラベース車両位置推定のベンチマークデータセット位置推定2025/9/1
路側LiDARによる車両位置推定のために、反復走査と非反復走査の両LiDARで収集したデータセットを構築し、両方式の性能を比較評価した。
- MultiPark: 次セグメント予測を用いたマルチモーダル駐車トランスフォーマー自動運転/駐車2025/8/1
駐車行動のマルチモーダル性に対応するため、次セグメント予測と学習可能な駐車クエリを導入した自己回帰トランスフォーマーを提案し、実車両で堅牢性を確認した。
- 専門家から汎用家へ：ヒューマノイドロボットの汎用全身制御に向けて全身制御2025/6/1
動作をクラスタリングして専門家ポリシーを訓練し、実機データでsim-to-real適応を行った後、単一の汎用コントローラに蒸留することで、ヒューマノイドロボットの多様な全身動作を実現するフレームワークBumbleBeeを提案。
- JAEGER: 二層構造のヒューマノイド全身制御器全身制御2025/5/1
上半身と下半身を別々の制御器に分け、粗い速度追従と細かい関節角追従の両方を可能にしたヒューマノイド全身制御を、人間モーションの再ターゲティングとカリキュラム学習で訓練した研究。
- 自動運転における学習ベース3D再構成：包括的サーベイ3D再構成2025/3/1
自動運転向けの学習ベース3D再構成技術について、基礎から最先端手法、応用、課題、今後の方向性までを体系的にまとめたサーベイ論文。
- 身体性を活かした脱出：狭環境におけるロボットナビゲーションのためのエンドツーエンド強化学習ナビゲーション2025/3/1
ロボット掃除機が狭く散らかった環境の行き詰まりから脱出するため、行動マスクとハイブリッド訓練を組み合わせた強化学習モデルを提案し、実機実験で成功率と衝突回避性能を向上させた。
- PINN予測による複雑流体中磁気マイクロロボットの流れ考慮型ナビゲーションマイクロロボット2025/3/1
物理情報ニューラルネットワーク(PI-UNet)で流体速度を予測し、それをA*経路計画と制御に組み込むことで、複雑な流れの中での磁気マイクロロボットの精密なナビゲーションを実現した研究。
- ロボットSim2Realチャレンジにおける長期的ピックアンドプレースのためのSim-to-Real転移sim2real2025/3/1
軽量なノイズ耐性視覚認識と非線形性に頑健なサーボ系を組み合わせ、アルゴリズム変更なしでシミュレーションから実機への転移を実現し、ICRA 2024のRobotic Sim2Real Challengeで優勝した。
- LiDAR占有格子地図を用いたハイブリッド強化学習による自動駐車プランナ自動運転/駐車2025/2/1
ルールベースのReeds-Sheppプランナと強化学習を組み合わせ、LiDARの占有格子地図表現でsim-to-realギャップを埋める自動駐車プランナを提案し、実環境で有効性を検証した。
- 画像と4Dレーダースペクトルの深度認識融合による3D物体検出センサーフュージョン2025/2/1
4Dミリ波レーダーのスペクトルと深度推定したカメラ画像をBEV空間でアテンション融合し、悪天候でも高精度な3D物体検出を実現する手法を提案。
- LiDAR事前地図における強度テクスチャを活用したクロスモーダル視覚的自己位置推定クロスモーダル位置推定2024/12/1
LiDAR点群の強度情報をテクスチャとして用い、事前LiDAR地図上でカメラ画像から6DoF自己位置を推定するクロスモーダル手法を提案。地図投影・粗検索・精密位置合わせの3モジュールで構成される。
- 模倣から探索へ：ワールドモデルに基づくエンドツーエンド自動運転自動運転2024/10/1
RGB画像とLiDARからワールドモデルを構築し、模倣学習で初期化した強化学習方策により、CARLAで最先端の経路完走率を達成した自動運転手法。
- ParkingE2E: カメラ画像から経路計画までのエンドツーエンド自動駐車ネットワーク自動運転/経路計画2024/8/1
RGB画像から直接経路計画を行う模倣学習ベースのエンドツーエンド自動駐車手法を提案し、実世界の4つの駐車場で平均87.8%の成功率を達成した。
- 自動運転車のためのセマンティックマップを用いた単眼自己位置推定自己位置推定2024/6/1
低レベルのテクスチャ特徴の代わりに安定したセマンティック特徴を用いて軽量な視覚的自己位置推定を行い、KAIST Urbanデータセットなどで有効性を実証した論文。
- クラウドソースNeRF：市販車両から収集したデータによる3D街路ビュー再構成NeRF/大規模再構成2024/6/1
市販車両が撮影した大量の画像をクラウドソース的に収集・選別し、NeRFで大規模な街路の3D再構成を行うフレームワークを提案した。
- HOPE: 多様な駐車シーンに対応する強化学習ベースのハイブリッド方策経路プランナ経路計画2024/5/1
強化学習エージェントとReeds-Shepp曲線を組み合わせ、アクションマスクとTransformerで多様な駐車シーンの経路計画を高成功率で行う手法を提案。
- 自動運転における基盤モデルに関するサーベイ自動運転2024/2/1
自動運転分野における基盤モデルの活用を40本以上の論文を通じて整理し、LLM・視覚基盤モデル・マルチモーダルモデルの役割と課題、今後の研究方向をまとめたサーベイ。
- Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving2023/11/1