Rongguang Ye

収録論文 6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。

• 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。

• 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。

• 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。

• 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。