Ruiyang Hao
収録論文 9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
- SoftVTBench: 変形を考慮した視覚触覚データセットと変形物体操作のベンチマーク変形物体操作/データセット/ベンチマーク2026/8/19
変形物体操作の物理的相互作用品質を評価するため、視覚触覚データセットと閉ループベンチマークを構築し、変形許容度を考慮した成功率を提案した。
- SoftVTBench: 物理的制約下での変形物体操作のための安全性を考慮した視覚触覚ベンチマークベンチマーク/変形物体操作/触覚2026/7/1
変形物体の操作において、タスク完了だけでなく物理的安全性（落下や過度な変形の回避）を評価するベンチマークを提案し、触覚センシングが安全性向上に寄与することを示した。
- ST-WAM: 視覚分布シフト下でのロバストな操作のための意味的時間的世界行動モデル操作2026/7/1
視覚分布の変化に頑健なロボット操作のため、DINOv3特徴を共有表現として用いる意味的時間的世界行動モデル(ST-WAM)を提案し、将来予測と履歴検索を改善した。
- CounterScene: 生成ワールドモデルにおける反実仮想因果推論による安全重視のクローズドループ評価自動運転シナリオ生成2026/3/1
安全な運転シーンから、因果的に重要なエージェントへの最小介入を通じて危険なシナリオを生成するフレームワークを提案。因果関係グラフで相互作用を明示し、現実性を保ちつつ衝突率を向上させた。
- ReconDrive: 自動運転シーン再構成のための高速フィードフォワード4Dガウススプラッティング自動運転/4DGS2026/3/1
自動運転シーンの高忠実度再構成と新規視点合成を高速に行うフィードフォワード型4Dガウススプラッティング手法を提案。3D基盤モデルを動的シーン向けに拡張し、静的・動的要素を分離して表現することで、シーン毎の最適化と同等の品質を桁違いの高速処理で実現した。
- DriveE2E：実世界からシミュレーションへの閉ループ自動運転ベンチマーク自動運転ベンチマーク2025/9/1
実世界の交通シナリオと交差点のデジタルツインをCARLAに統合し、エンドツーエンド自動運転モデルを評価する閉ループベンチマークを構築した。
- V2X協調自動運転のエンドツーエンド競技会：研究課題と進展V2X協調自動運転2025/7/1
V2X通信を活用した協調自動運転のエンドツーエンド競技会を開催し、帯域制約下での知覚・計画の課題と上位解法の傾向を分析した。
- StyleDrive：運転スタイルを考慮したエンドツーエンド自動運転のベンチマーク自動運転2025/6/1
個人の運転嗜好を大規模実世界データセットで収集し、VLMと人間検証でアノテーションした初のパーソナライズE2E自動運転ベンチマークを提案。
- RCooper: 路側協調知覚のための実世界大規模データセット路側知覚2024/3/1
路側センサ同士が協調して交通エリアを広く知覚するための、交差点と回廊を含む5万枚の画像と3万点の点群からなる初の実世界大規模データセットを公開した。