Shaojie Shen

Hong Kong University of Science and Technology

収録論文 121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

• ECHO-G: 音声に同期したヒューマノイド全身動作生成
  動作生成2026/9/30

  音声とタイミング付きテキストを条件に、拡散トランスフォーマでヒューマノイドロボットの全身発話動作を直接生成するフレームワークを提案し、実機展開まで示した。

• GR2PO: 連続ロボット制御のためのグループ相対リターン方策最適化
  強化学習2026/9/17

  批評家なしでグループ正規化と割引リターンを用いて方策を更新する強化学習フレームワークを提案し、連続ロボット制御タスクで有効性を示した。

• SwarmNxt：高速・機敏な空中スワームのためのオープンソースソフトウェア・ハードウェア基盤
  群制御2026/9/10

  オープンソースのドローンOmniNxt上に構築した、空中ロボット群の自律ナビゲーションを実現するソフトウェア基盤。組み立て手順や並列デプロイツール、ROS 2ベースの制御・計画・深度推定を統合し、6機のスワーム実験で検証した。

• MeRoPE: カメラ制御ビデオ生成のためのメトリック回転位置埋め込み
  ビデオ生成2026/9/1

  カメラ制御ビデオ生成において、実世界のメトリックカメラ軌道でスケール依存の失敗を起こさない、ノルム保存型の相対カメラエンコーディングMeRoPEを提案した。

• 観測品質が重要: 失敗指向解析による頑健なマルチ魚眼カメラキャリブレーション
  カメラキャリブレーション2026/7/1

  マルチ魚眼カメラのキャリブレーション失敗の主因が内部パラメータ初期化にあることを解析し、それを踏まえたデータ構築フレームワークCO-Calibを提案。成功率を68.1%から99.3%に向上させた。

• RICH-SLAM: レーダSLAMとインクリメンタル・連続ヒルベルト写像
  SLAM2026/6/1

  レーダ計測の疎らさとノイズに対処するため、Rao-Blackwellized粒子フィルタとヒルベルト空間のガウス過程写像を組み合わせたレーダSLAMフレームワークを提案し、連続的で不確実性を考慮した占有地図を生成する。

• 水中環境におけるフォトリアリスティックな単眼SLAM: WaterSplat-SLAM
  SLAM2026/4/1

  水中単眼SLAMのための新しいシステムを提案し、セマンティックな媒体フィルタリングとガウス写像を用いて、頑健なカメラ追跡と高忠実度の密度マッピングを実現した。

• 視覚幾何基盤ガウススプラッティングによるセマンティック占有予測
  占有予測2026/3/1

  視覚基盤モデルの3D幾何事前知識をガウススプラッティングに注入し、自動運転のセマンティック占有予測精度を向上させるフレームワークVG3Sを提案。

• MG-Grasp: スパースRGB観測によるメートルスケール幾何学的6自由度把持フレームワーク
  把持2026/3/1

  RGB画像のみからメートルスケールの点群を再構成し、6自由度の安定した把持を生成する新しいフレームワークを提案。

• FC-Vision: 未知環境における遮蔽物のない航空目標構造物スキャンのためのリアルタイム可視性認識リプランニング
  飛行ロボティクス/再計画2026/2/1

  飛行中に未知の障害物が現れても、目標構造物の遮蔽を能動的に回避しながらリアルタイムで経路を再計画し、スキャン品質を保つフレームワークを提案した。

• FlyCo: 基盤モデルを活用したドローンによるオープンワールド環境での自律的3D構造スキャン
  自律飛行2026/1/1

  テキストや視覚的指示から、基盤モデルを活用した知覚・予測・計画ループにより、未知環境でドローンが対象構造物を自律的に3Dスキャンするシステムを提案。

• CSMapping: 自動運転のためのスケーラブルなクラウドソーシング意味地図構築とトポロジー推論
  自動運転地図構築2025/12/1

  低コストセンサのノイズに頑健な生成事前分布と制約付き最適化を用いて、クラウドソーシングデータから高精度な意味地図と道路中心線を生成するシステムを提案。

• 自動運転のための視覚-言語-行動モデル：過去・現在・未来
  VLA2025/12/1

  自動運転における視覚-言語-行動（VLA）フレームワークの進化を整理し、End-to-End型とDual-System型の2つのパラダイムに分類して、その特徴と課題を概観したサーベイ論文。

• R1スタイル強化学習ファインチューニングによるマルチエージェント交通シミュレーションの高度化
  交通シミュレーション2025/9/1

  交通シミュレーションの次トークン予測モデルに対し、R1スタイルの強化学習ファインチューニングを適用し、人間の選好や評価指標に合致する挙動を生成できるようにした。Waymoのベンチマークで最高性能を達成。

• ST-GS: 時空間ガウシアンスプラッティングによる視覚ベース3Dセマンティック占有予測
  3D占有予測2025/9/1

  視覚中心の自動運転向け3D占有予測において、ガウシアン表現の空間的相互作用と時間的一貫性を強化する時空間ガウシアンスプラッティングフレームワークを提案し、nuScenesで最先端性能を達成した。

• イベントカメラを含むマルチセンサシステムのための時間・回転キャリブレーション
  キャリブレーション2025/8/1

  イベントカメラと他センサ間の時間オフセットと回転外部パラメータを、専用ターゲットなしで運動から推定するキャリブレーション手法を提案。

• 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。

• 意図的不確かさを考慮した高速でスケーラブルなゲーム理論的軌道計画
  軌道計画2025/7/1

  エージェント間の意図的不確かさをベイズゲームとしてモデル化し、ポテンシャルゲームへの変換と分散ADMMにより高速かつスケーラブルに軌道計画を解く手法を提案。

• 先読みする動き：報酬ヒューリスティクスで軌道予測を強化
  軌道予測2025/7/1

  逆強化学習で運転エージェントの意図を推論し、その報酬を手がかりに将来の軌道を予測する手法を提案。大規模データセットで予測精度と信頼性が向上。

• GoIRL: マルチモーダル軌道予測のためのグラフ指向逆強化学習
  軌道予測2025/6/1

  車線グラフ特徴をグリッド空間に集約し、最大エントロピー逆強化学習で報酬分布を推定して複数の実行可能な計画を生成する軌道予測手法を提案。大規模ベンチマークで最先端性能と優れた汎化性能を示した。

• 未知環境におけるガラス障害物への能動的接触による空中ナビゲーション
  空中ナビゲーション2025/5/1

  視覚で検出したガラス面に軽量接触センサで能動的に触れて確認し、地図を更新しながら安全な経路を再計画するドローンの自律飛行システムを提案した。

• 狭いトンネル内での自律飛行
  自律飛行2025/5/1

  直径0.5mの狭いトンネルを自律飛行するためのシステムを開発し、人間のパイロットを超える性能を実証した。

• SEPT: 標準地図を活用した自動運転のためのシーン知覚とトポロジー推論の強化
  自動運転知覚2025/5/1

  高精細地図に頼らず、標準地図を事前知識としてBEV特徴と融合し、シーン知覚とトポロジー推論を高精度化するフレームワークを提案。

• SG-Reg: 汎用性と効率性を備えたシーングラフ位置合わせ
  シーングラフ位置合わせ2025/4/1

  複数の意味的シーングラフを位置合わせするため、意味・トポロジー・形状特徴を統合したノード表現と粗から細へのマッチング、ロバスト姿勢推定を組み合わせた手法を提案。視覚基盤モデルによるデータ生成も導入し、SLAMベンチマークで有効性を示した。

• Semi-SMD: 自動運転向け周囲カメラによる半教師ありメトリック深度推定
  深度推定2025/3/1

  自動運転車の周囲カメラ映像とカメラパラメータから、時空間・意味情報を統合してメトリック深度を半教師ありで推定するフレームワークを提案し、DDADとnuScenesで最先端性能を達成した。

• 可動物体間における接触を考慮した動作計画
  動作計画2025/2/1

  ロボットと可動物体の接触を相補性制約として最適化に組み込み、接触を許容する動作計画手法を提案し、物体間ナビゲーションと再配置タスクの成功率を向上させた。

• SLABIM: SLAMとBIMを統合した香港科技大学本館のデータセット
  SLAM2025/2/1

  SLAMとBIMを組み合わせた初のデータセットを構築し、位置合わせ・自己位置推定・意味マッピングの実験で有効性を示した。

• CoDriveVLM: VLMで強化した都市協調配車と運動計画による未来のオンデマンド自律モビリティ
  VLA2025/1/1

  VLMを活用して配車と衝突リスク評価を統合し、分散協調型の運動計画を組み合わせることで、オンデマンド自律モビリティシステムの同時配車・協調走行を実現するフレームワークを提案した。

• GS-LIVO: ガウスマッピングを用いたLiDAR・慣性・視覚のリアルタイム融合オドメトリ
  SLAM2025/1/1

  LiDAR・IMU・カメラを統合し、3Dガウススプラッティングによる地図表現とIESKFベースのオドメトリを組み合わせることで、リアルタイムかつ省メモリなSLAMシステムを実現した論文。

• ESVO2: ステレオイベントカメラによる直接視覚慣性オドメトリ
  視覚慣性オドメトリ2024/10/1

  イベントカメラとIMUを組み合わせ、直接法で高精度なステレオ視覚慣性オドメトリを実現した研究。

• SOAR: 異種UAV群による探索と撮影の同時実行で高速自律再構成
  群制御2024/9/1

  LiDAR搭載の探索機とカメラ搭載の撮影機からなる異種マルチUAVシステムを提案し、探索と撮影を並行して進めることで複雑環境の高速な3次元再構成を実現した。

• マルチモーダル不確実性下の自動運転のための統合的意思決定と軌道計画：ベイズゲームアプローチ
  自動運転/ゲーム理論2024/9/1

  交通参加者のマルチモーダルな不確実性をベイズゲーム（不完全情報ゲーム）でモデル化し、後悔最小化学習によるベイズ粗相関均衡を解いて意思決定と軌道計画を同時に行う枠組みを提案した。

• LMMCoDrive: 大規模マルチモーダルモデルによる協調運転
  協調運転/自動運転2024/9/1

  大規模マルチモーダルモデル(LMM)を活用し、オンデマンド自動運転車両のスケジューリングと運動計画を統合する協調運転フレームワークを提案。BEV表現とADMMによる分散最適化で交通効率と安全性を向上させる。

• SLIM: 都市環境におけるスケーラブルで軽量なLiDARマッピング
  SLAM2024/9/1

  都市環境での長期LiDARマッピングのため、構造物を線や平面にパラメータ化し、地図統合やポーズグラフ最適化を可能にする軽量でスケーラブルなシステムを提案。KITTIなどで精度と軽量性を検証し、約130KB/kmの低メモリで地図を生成。

• 適応的インタラクション様式探索によるマルチモーダル統合予測・意思決定
  自動運転/予測・意思決定2024/8/1

  自動運転において、周囲との複雑な相互作用を考慮しつつ、複数のインタラクション様式を効率的に探索して統合的な予測と意思決定を行うフレームワークMINDを提案した。

• FALCON：カバレッジ経路誘導による高速自律飛行探索
  自律探索2024/7/1

  未探索領域を効率的にカバーする経路を生成し、階層的な計画でドローンの自律探索を高速化するフレームワークを提案。

• UniQuad：UAV研究・応用向けの統合多用途クアッドローター機体系列
  UAV2024/7/1

  多様なタスクに柔軟に対応でき、カスタマイズ性とメンテナンス性に優れたオープンソースのクアッドローター機体系列を提案した。

• WING: 地面多様体制約を用いた車輪・慣性ニューラルオドメトリ
  オドメトリ2024/7/1

  IMUと車輪エンコーダのみで自己位置推定を行うため、ニューラルネットで計測を補正し、地面を連続多様体としてモデル化する制約を組み合わせた手法を提案。

• MetaFollower: 適応型パーソナライズ自動車追従モデル
  自動運転/車両追従2024/6/1

  メタ学習を用いて、少数の追従軌跡から個々のドライバーの運転スタイルに適応できるパーソナライズ車両追従フレームワークを提案。

• マイクロサッカードに着想を得たロボティクス用イベントカメラ
  イベントカメラ2024/5/1

  回転ウェッジプリズムをイベントカメラの前に取り付け、マイクロサッカードのように光を振ることで、動きに平行なエッジも安定して捉えられる新しい視覚システムを開発した。

• 同じ言語で話そう：ポーズハフ変換によるBIMへのグローバルLiDAR位置合わせ
  位置合わせ2024/5/1

  LiDAR点群とBIMを共通座標系で位置合わせするため、壁と角から三角形記述子を抽出し、ハフ変換と階層的投票で姿勢候補を推定するクロスモダリティ位置合わせ手法を提案した。

• VINS-Multi: 非同期マルチカメラIMU対応の堅牢な状態推定器
  VIO2024/5/1

  非同期カメラ向けに、並列フロントエンドと協調・最適化機構を備えたマルチカメラIMU状態推定器を提案し、実機ドローンで有効性を検証した。

• H3-Mapping: 階層的ハイブリッド表現による準異種特徴グリッドを用いたリアルタイム高密度マッピング
  高密度マッピング2024/3/1

  NeRFベースの高密度マッピングにおいて、準異種特徴グリッドと勾配支援カバレッジ最大化キーフレーム選択を導入し、テクスチャ再構成の高速化と高品質化を実現した。

• MASSTAR: 表面予測と補完のためのマルチモーダル大規模シーンデータセットと汎用ツールチェーン
  3Dシーン理解2024/3/1

  複雑な3D環境から高品質なシーンモデルとマルチモーダル情報を効率的に抽出するツールチェーンを開発し、1000以上のシーンモデルを含む大規模データセットを構築した。

• APACE: クアッドロータ飛行のための俊敏かつ知覚を考慮した軌道生成
  飛行制御/知覚考慮計画2024/3/1

  フレーム間の特徴対応付け可能性を考慮し、視覚推定誤差を抑えつつ俊敏で安全なクアッドロータの軌道を生成する手法を提案。シミュレータと実機実験で推定精度が最大1桁向上することを示した。

• OmniNxt：全方位視覚知覚を備えた完全オープンソースのコンパクト空中ロボット
  空中ロボット/全方位視覚2024/3/1

  全方位カメラを搭載した空中ロボットのハードウェアとソフトウェアを完全オープンソースで提供し、限られた計算資源で高精度な自己位置推定とリアルタイム高密度マッピングを実現した。

• レーダーSLAMにおける点の不確かさの導入
  SLAM2024/2/1

  レーダー点の不確かさを極座標でモデル化し、データ対応付けとバックエンド状態推定に組み込むことで、レーダーSLAMの性能を向上させた研究。

• SIMPL: A Simple and Efficient Multi-agent Motion Prediction Baseline for Autonomous Driving
  2024/2/1
• Less is More: Physical-enhanced Radar-Inertial Odometry
  2024/2/1
• FM-Fusion: 視覚言語基盤モデルで強化されたインスタンス認識セマンティックマッピング
  セマンティックマッピング2024/2/1

  視覚言語基盤モデルから得られるオープンセットな検出結果を確率的に融合し、過分割を統合することで、ゼロショットで汎用的なインスタンス認識セマンティックマップを構築する手法を提案。

• Star-Searcher: A Complete and Efficient Aerial System for Autonomous Target Search in Complex Unknown Environments
  2024/2/1
• Improved Consensus ADMM for Cooperative Motion Planning of Large-Scale Connected Autonomous Vehicles with Limited Communication
  2024/1/1
• LIV-GaussMap: LiDAR-Inertial-Visual Fusion for Real-time 3D Radiance Field Map Rendering
  2024/1/1
• A Universal Cooperative Decision-Making Framework for Connected Autonomous Vehicles with Generic Road Topologies
  2024/1/1
• Adaptive Tracking and Perching for Quadrotor in Dynamic Scenarios
  2023/12/1
• Event-based Visual Inertial Velometer
  2023/11/1
• BEVGPT: Generative Pre-trained Large Model for Autonomous Driving Prediction, Decision-Making, and Planning
  2023/10/1
• AutoTrans: A Complete Planning and Control Framework for Autonomous UAV Payload Transportation
  2023/10/1
• FC-Planner: A Skeleton-guided Planning Framework for Fast Aerial Coverage of Complex 3D Scenes
  2023/9/1
• MARC: Multipolicy and Risk-aware Contingency Planning for Autonomous Driving
  2023/8/1
• G3Reg: Pyramid Graph-based Global Registration using Gaussian Ellipsoid Model
  2023/8/1
• MacFormer: Map-Agent Coupled Transformer for Real-time and Robust Trajectory Prediction
  2023/8/1
• Pyramid Semantic Graph-based Global Point Cloud Registration with Low Overlap
  2023/7/1
• Online Monocular Lane Mapping Using Catmull-Rom Spline
  2023/7/1
• Multi-Session, Localization-oriented and Lightweight LiDAR Mapping Using Semantic Lines and Planes
  2023/7/1
• BiFF: Bi-level Future Fusion with Polyline-based Coordinate for Interactive Trajectory Prediction
  2023/6/1
• H2-Mapping: Real-time Dense Mapping Using Hierarchical Hybrid Representation
  2023/6/1
• Towards View-invariant and Accurate Loop Detection Based on Scene Graph
  2023/5/1
• Parallel Optimization with Hard Safety Constraints for Cooperative Planning of Connected Autonomous Vehicles
  2023/3/1
• Contour Context: Abstract Structural Distribution for 3D LiDAR Loop Detection and Metric Pose Estimation
  2023/2/1
• Catch Planner: Catching High-Speed Targets in the Flight
  2023/2/1
• A Survey on Global LiDAR Localization: Challenges, Advances and Open Problems
  2023/2/1
• PredRecon: A Prediction-boosted Planning Framework for Fast and High-quality Autonomous Aerial Reconstruction
  2023/2/1
• Decentralized iLQR for Cooperative Trajectory Planning of Connected Autonomous Vehicles via Dual Consensus ADMM
  2023/1/1
• $D^2$SLAM: Decentralized and Distributed Collaborative Visual-inertial SLAM System for Aerial Swarm
  2022/11/1
• SemanticLoop: loop closure with 3D semantic graph matching
  2022/11/1
• RACER: Rapid Collaborative Exploration with a Decentralized Multi-UAV System
  2022/9/1
• Fast 3D Sparse Topological Skeleton Graph Generation for Mobile Robot Global Planning
  2022/8/1
• An Efficient Spatial-Temporal Trajectory Planner for Autonomous Vehicles in Unstructured Environments
  2022/8/1
• Exploration with Global Consistency Using Real-Time Re-integration and Active Loop Closure
  2022/4/1
• Neither Fast Nor Slow: How to Fly Through Narrow Tunnels
  2022/1/1
• Graph-Guided Deformation for Point Cloud Completion
  2021/12/1
• Event-based Motion Segmentation by Cascaded Two-Level Multi-Model Fitting
  2021/11/1
• Trajectory Prediction with Graph-based Dual-scale Context Fusion
  2021/11/1
• Estimation and Adaption of Indoor Ego Airflow Disturbance with Application to Quadrotor Trajectory Planning
  2021/9/1
• BDPGO: Balanced Distributed Pose Graph Optimization Framework for Swarm Robotics
  2021/9/1
• EPSILON: An Efficient Planning System for Automated Vehicles in Highly Interactive Environments
  2021/8/1
• Control of a Tail-Sitter VTOL UAV Based on Recurrent Neural Networks
  2021/4/1
• GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation
  2021/3/1
• Omni-swarm: A Decentralized Omnidirectional Visual-Inertial-UWB State Estimation System for Aerial Swarms
  2021/3/1
• FUEL: Fast UAV Exploration using Incremental Frontier Structure and Hierarchical Planning
  2020/10/1
• An Augmented Reality Interaction Interface for Autonomous Drone
  2020/8/1
• Event-based Stereo Visual Odometry
  2020/7/1
• RAPTOR: Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight
  2020/7/1
• FP-Stereo: Hardware-Efficient Stereo Vision for Embedded Applications
  2020/6/1
• PiP: Planning-informed Trajectory Prediction for Autonomous Driving
  2020/3/1
• Decentralized Visual-Inertial-UWB Fusion for Relative State Estimation of Aerial Swarm
  2020/3/1
• Efficient Uncertainty-aware Decision-making for Automated Driving Using Guided Branching
  2020/3/1
• Robust Real-time UAV Replanning Using Guided Gradient-based Optimization and Topological Paths
  2019/12/1
• FlowNorm: A Learning-based Method for Increasing Convergence Range of Direct Alignment
  2019/10/1
• Real-time Scalable Dense Surfel Mapping
  2019/9/1
• Robust and Efficient Quadrotor Trajectory Generation for Fast Autonomous Flight
  2019/7/1
• Teach-Repeat-Replan: A Complete and Robust System for Aggressive Flight in Complex Environments
  2019/7/1
• An Efficient B-spline-Based Kinodynamic Replanning Framework for Quadrotors
  2019/6/1
• Safe Trajectory Generation for Complex Urban Environments Using Spatio-temporal Semantic Corridor
  2019/6/1
• Real-Time Dense Stereo Embedded in A UAV for Road Inspection
  2019/4/1
• Learning Whole-Image Descriptors for Real-time Loop Detection andKidnap Recovery under Large Viewpoint Difference
  2019/4/1
• Flying through a narrow gap using neural network: an end-to-end planning and control approach
  2019/3/1
• High-Precision Online Markerless Stereo Extrinsic Calibration
  2019/3/1
• Online Vehicle Trajectory Prediction using Policy Anticipation Network and Optimization-based Context Reasoning
  2019/3/1
• Trajectory Replanning for Quadrotors Using Kinodynamic Search and Elastic Optimization
  2019/3/1
• Predicting Vehicle Behaviors Over An Extended Horizon Using Behavior Interaction Network
  2019/3/1
• Probabilistic Dense Reconstruction from a Moving Camera
  2019/3/1
• FIESTA: Fast Incremental Euclidean Distance Fields for Online Motion Planning of Aerial Robots
  2019/3/1
• Stereo R-CNN based 3D Object Detection for Autonomous Driving
  2019/2/1
• Estimating Metric Poses of Dynamic Objects Using Monocular Visual-Inertial Fusion
  2018/8/1
• MVDepthNet: Real-time Multiview Depth Estimation Neural Network
  2018/7/1
• A Collaborative Aerial-Ground Robotic System for Fast Exploration
  2018/6/1
• Gesture-based Piloting of an Aerial Robot using Monocular Vision
  2018/3/1
• Learning Unmanned Aerial Vehicle Control for Autonomous Target Following
  2017/9/1
• VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator
  2017/8/1