English

連絡先

研究室見学、大学院進学、共同研究のご相談など、お気軽にご連絡ください。

Email

kyoshioka47@keio.jp

Kentaro (Ken) Yoshioka

所在地

〒223-8522

神奈川県横浜市港北区日吉3丁目14−1 矢上キャンパス23棟

学生居室: 23-214, 14-305, 24-318 / PI: 23-216A

Projects

研究プロジェクト

進行中・発表済みの研究プロジェクト21件です。各カードから論文・コード・プロジェクトページに直接アクセスできます。

2026

10
採択★

Ghost-FWL

自動運転LiDARで発生するガラス等の多重反射による幽霊点群(ゴースト)を検出・除去するための世界初の大規模モバイルFWLデータセット。24,412フレーム・75億ピークのアノテーションを収録し従来最大比100倍の規模を誇る。FWL-MAE事前学習とTransformerベースラインも提供し、自動運転の3Dマッピング・物体検出精度向上に貢献する。

採択

PULSAR-Net

高頻度レーザーパルスでLiDARを完全に盲目にするジャミング攻撃に対する世界初の有効な防御手法PULSAR-Netを提案。通常廃棄される中間フルウェーブフォームデータと同時マルチレーザーセンシングの空間時間相関を活用し、軸方向アテンション付きU-Netで攻撃パルスを正当反射から分離する。合成データのみで訓練しながら、実世界の静止・走行シナリオで92%・73%の点群再構成率を達成した。

プレプリント

DetAS

物体検出を固定パイプラインではなく動的な意思決定として捉えるエージェント型フレームワーク。マルチモーダル大規模言語モデル(MLLM)が中心エージェントとなり、画像復元モジュールと専門検出器のツールボックスから、シーンに応じた処理手順をその場で組み立てる。少量の注釈データから意思決定の経験を蓄積して推論時に活用する DetAS-X により、6つのベンチマークで既存のMLLMベース検出器を平均F1で28.36%、暗所データセットDarkFaceでは最大37.01%上回った。

採択★

FLARE & ChromaGuard

ロボット操作の汎用基盤となりつつある Vision-Language-Action (VLA) モデルが、照明のわずかな変化に脆いことを示した研究。狙った照射で成功率をゼロまで落とす物理スポットライト攻撃 FLARE を提案し、モデル内部へのアクセスなしに成立することを実証した。さらに標準的な対策である素朴なデータ拡張が、モデルに「色をノイズとして捨てる」ことを学習させ、形状だけに頼る知覚へ退化させてしまう落とし穴を発見。色を保持したまま敵対的学習を行う ChromaGuard により、実機6自由度ロボットで通常時97.5%、攻撃下92.5%の成功率を達成した。

発表済み

BitROM

1.58ビット(三値)重みを用いた10億パラメータ規模LLM推論をウェイトリロードなしで実現するCiROMアーキテクチャ。双方向ROMアレイ・三値局所アキュムレータ・KVキャッシュ用eDRAMを統合し、外部DRAMアクセスを43.6%削減。20.8 TOPS/Wの高効率と先行デジタルCiROM比10倍の面積効率を達成する。

採択

D-SLAMSpoof

従来のLiDARスプーフィング攻撃は特徴の乏しい環境でしか機能しなかったが、D-SLAMSpoofはスキャンマッチング原理に基づいた動的な点群注入パターンを設計することで、都市部・屋内といった特徴豊富な環境でも有効な攻撃を実現する。また、慣性デッドレコニング信号のみで攻撃を検出・軽減する防御手法ISD-SLAMを合わせて提案し、攻撃と防御の両面から自律システムのセキュリティ課題に取り組む。

採択

D4C

元データを使わずにCLIP(視覚・言語基盤モデル)を量子化するD4Cフレームワーク。合成サンプルの意味多様性不足という課題に対し、プロンプト誘導型セマンティックアライメント・構造的コントラスト生成・摂動ロバスト化の3要素で解決する。W4A4でのCLIP圧縮をはじめてデータなしで実現した。

発表済み

LiDAR Beacon

LiDARの1点反射だけでIDを識別できる新方式の基準マーカー「LiDAR Beacon」を開発。PDLCフィルムの透明/不透明切替による時間的反射パターンを利用し、従来比約19倍となる世界最長309mの識別距離を実現した。GPS・トータルステーション不要の自律測位システムを構築し、砂地環境での長距離走行後も平均誤差0.14m以内の高精度を達成している。

発表済み

MCRA

時間領域M入力ΣΔ ADCを用いたマルチカラム残差累積型アナログCIMアーキテクチャ。複数列の残差を逐次累積することでADC精度を効率的に向上させ、高精度なアナログ計算とエネルギー効率の両立を実現。エッジAIデバイス向けに最適化された次世代CIM設計手法を提案する。

採択

MirrorDrift

信号注入に頼る既存のLiDAR物理攻撃は最新の防御機構で軽減されつつあるが、MirrorDriftはアクチュエーター付き平面鏡の鏡面反射だけでゴースト点群を生成し、注入装置を一切使わずにスキャンマッチングの対応関係を系統的に歪める。鏡の配置・向き・駆動を最適化した結果、ランダム配置比6.1倍の平均姿勢誤差増大、最大6.03mの位置推定誤差を3種のSLAMシステムで実証した。

2025

7
発表済み★

AHCPTQ

Segment Anything Model(SAM)の世界初4ビット量子化PTQを実現するハードウェア協調設計手法。post-GELUの重尾分布に対応するHybrid Log-Uniform量子化と、チャネルグルーピングによるオンチップレジスタ削減(−99.7%)を組み合わせる。FPGA上でW4A4動作時に浮動小数点比7.89倍の高速化・8.64倍の省エネを達成し、36.6% mAPを維持。

発表済み

ASiM

SRAMベースのアナログCiM回路における推論精度影響をモデル化・解析するシミュレーションフレームワーク。アナログノイズが1LSBでもImageNet等の複雑タスクで精度を大幅低下させることを示し、ハイブリッドアナログ-デジタル実行や多数決投票による軽減策を評価。省エネ効果を保ちながら精度を確保する設計指針を提供する。

発表済み

Basket LiDAR

LiDARセンシングを用いたバスケットボール選手の3D追跡システム。試合中の選手とボールをリアルタイムで精密に3次元位置推定し、スポーツアナリティクスのための高密度空間データを取得する。コーチングや戦術分析への実用的活用を見据えたシステム構築を行った。

発表済み★

LiDAR Spoofing (High Speed)

高速走行・長距離条件下での自動運転車両に対するLiDARスプーフィング攻撃の現実的な有効性を検証した研究。これまで安全と想定されていた条件下でも攻撃が成立することを明らかにし、既存のセキュリティ前提を覆す実験的証拠を提示する。

発表済み

Optical LiDAR Comm

既存の車載LiDARセンサを光通信チャネルとして転用し、インフラ・車両間通信(I2V)を実現する手法を提案。専用通信ハードウェアを不要とし、市販LiDARユニットのみで実用的なデータ転送を実証した。スマートインフラ連携の低コスト実装に向けた新たなアプローチを示す。

発表済み

Saliency-Aware CIM

顕著性検出器を内蔵した4541 TOPS/Wのアナログコンピュートインメモリマクロ。電荷ドメインで非顕著領域の演算を動的にスキップし、視覚推論における圧倒的なエネルギー効率を実現する。エッジAIデバイスの次世代設計に向けた画期的なアーキテクチャを提案する。

発表済み

SLAMSpoof

スキャンマッチングの脆弱性解析に基づく、SLAM型自己位置推定システムへの実践的LiDARスプーフィング攻撃を提案。慎重に設計した偽造点群の注入により、車両の自己位置認識を攻撃者の意図通りに操作できることを実証した。自動運転システムの安全設計に重要な知見を与える。

2024

4
発表済み★

CR-CIM

CNNとTransformerの両モデルを統一的に加速する818〜4094 TOPS/Wのキャパシタ再構成型コンピュートインメモリマクロ。層ごとのビット幅要件に合わせてキャパシタ構成を動的に切り替えることで、幅広いモデルアーキテクチャに対応したオンチップ推論を実現する。CNNモードでは従来比10倍のエネルギー効率4094 TOPS/Wを達成。

発表済み★

LiDAR New-Gen Spoofing

次世代LiDARセンサに対するスプーフィング攻撃の能力向上と新たな攻撃戦略を明らかにした研究。従来の安全仮定が成立しなくなることを示し、既存の対策を無効化する手法を複数提案している。次世代センサのセキュリティ設計指針を与える重要な知見を含む。

発表済み

OSA-HCIM

オンザフライ顕著性検出と動的精度設定を備えたハイブリッドSRAMコンピュートインメモリマクロ。非顕著な活性化をスキップしつつ適応的なビット幅選択で精度を維持する。エッジデバイスでの高効率・高精度推論の両立を実現する新しい設計手法を提案する。

発表済み★

PACiM

確率的近似(PAC)によりベクトル演算をスカラー演算に変換し、スパース性を最大限活用するハイブリッドCIMアーキテクチャ。最小有効ビットの省略でメモリ転送量を半減し、従来比4倍の近似誤差低減を実現。65nm CMOSで14.63 TOPS/Wを達成し、ResNet-18でImageNet精度を維持する。