Yongkang Li

収録論文 8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

• 適応的視覚言語把持：構成可能な基盤事前知識と汎化可能な把持合成による実現
  マニピュレーション2026/9/3

  本論文は、ロボットハンドの種類に依存せず汎用的に把持を合成できるAdaRoboVLGフレームワークを提案し、物理的把持合成とタスク依存の理解を分離することで、基盤モデルの進歩を直接把持能力の向上に結び付ける手法を示した。

• UniDriveVLA：自動運転のための理解・知覚・行動計画の統合
  自動運転/VLA2026/4/1

  自動運転向けのVLAモデルにおいて、空間知覚と意味推論の競合を解消するため、Mixture-of-Transformersによる専門家分離を導入した統合モデルUniDriveVLAを提案し、nuScenesとBench2Driveで最先端性能を達成した。

• Map-World: マスク付き行動計画と経路積分世界モデルによる自動運転
  自動運転計画2025/11/1

  将来の自車軌道をマスク付き系列補完として多様に生成し、経路重み付き世界モデルで全モードの分布から学習する自動運転プランナを提案。

• ReCogDrive：強化学習型認知フレームワークによるエンドツーエンド自動運転
  自動運転/VLA2025/6/1

  VLMの運転知識を拡散プランナに注入し、DiffGRPOで安全性を強化する自動運転フレームワークを提案。NAVSIMとBench2Driveで最先端性能を達成。

• 少ないほど良い：自動運転の軌道予測のための効率的な脳に着想を得た学習
  軌道予測2024/7/1

  人間の認知プロセスを模倣した教師-生徒知識蒸留フレームワークとフーリエ適応スパイクニューラルネットワーク（FA-SNN）を導入し、自動運転の軌道予測精度を向上させつつパラメータ数を削減した研究。

• 自動運転の軌道予測のための特徴拡散と時空間インタラクションネットワーク
  軌道予測2024/5/1

  不確実な交通シナリオに対応するため、意味情報を注入する特徴拡散モジュールと時空間インタラクションモジュールを組み合わせた軌道予測モデルを提案し、複数データセットでSOTAを達成した。

• A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving
  2024/2/1
• 人間の観察行動に着想を得た混合交通環境における自動運転の軌道予測
  軌道予測2024/2/1

  人間の認知・観察行動を模倣した「適応的視覚セクター」と動的交通グラフを組み合わせ、混合交通環境での自動運転車の軌道予測精度を向上させた研究。