Adarsh Jagan Sathyamoorthy
収録論文 22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
- TOPGN: 強度情報を用いたLiDAR点群によるリアルタイム透明障害物検出ナビゲーション2024/8/1
LiDAR点群の強度を高さ方向に分割した2Dグリッドマップに集約し、層間の強度差から透明障害物を検出して衝突回避と地図生成に応用する手法を提案。
- AMCO: 屋外環境における四足ロボットナビゲーションのための視覚と固有感覚の適応的マルチモーダル融合歩行2024/3/1
視覚と固有感覚を適応的に組み合わせ、3つのコストマップを融合して四足ロボットの屋外ナビゲーションを実現する手法を提案。
- CoNVOI: 視覚言語モデルを用いた屋内・屋外環境における文脈認識ナビゲーションナビゲーション2024/3/1
視覚言語モデルを活用し、周囲の状況をゼロショットで分類して文脈に応じた行動指示を生成し、障害物のない領域を番号で注釈した画像から経路を選択することで、屋内・屋外での自律ナビゲーションを実現する手法。
- AdVENTR: 複雑な屋外環境における自律ロボットナビゲーション自律ナビゲーション2023/11/1
不整地や植生のある屋外環境で、車輪型・脚型ロボットが走行できるよう、RGBカメラや3D Lidarなどのセンサデータを用いた学習ベースの知覚・計画アルゴリズムと、シーンに応じて知覚手法を切り替えるシステムを開発し、HuskyとSpotで実証した。
- MTG: 走行可能領域を網羅する地図なし屋外ナビゲーションの軌道生成ナビゲーション2023/9/1
地図のない屋外環境で、限られた機載センサのみを用いて走行可能な方向を網羅しつつ衝突のない経路を生成するCVAEベースの学習手法を提案し、HuskyとSpotで検証した。
- LiDAR強度を用いたロボットナビゲーションナビゲーション2023/9/1
反射強度を高さ方向に積層した多次元強度マップを提案し、障害物の透過性や密度を推定して、カーテンや草などの通過可能な物体とガラス壁などの回避すべき物体を区別するナビゲーション手法を実現した。
- VAPOR: オフライン強化学習を用いた屋外植生下での脚式ロボットナビゲーション歩行ナビゲーション2023/9/1
3D LiDARの点群から得たコストマップと固有感覚データを入力とし、実環境で収集したデータでオフライン強化学習を行い、植生の密集した屋外環境で脚式ロボットをナビゲートする手法を提案。
- ProNav: 脚式ロボットの屋外ナビゲーションのための固有受容性感覚に基づく走破性推定歩行2023/7/1
脚式ロボットの関節エンコーダ・力・電流センサのみから地形の安定性や嵌まり込みリスクを推定し、歩容を最適化して屋外ナビゲーションの成功率と省エネ性を向上させる手法を提案。
- VERN: 密生した非構造屋外環境における植生を考慮したロボットナビゲーションナビゲーション2023/3/1
数枚のRGB画像から柔軟な植生と障害物植生を分類する少数ショット学習器と2D LiDARを組み合わせ、植生を考慮した走行コストマップを構築して脚式ロボットの屋外自律ナビゲーションを実現した。
- GrASPE: 非構造屋外環境におけるロボットナビゲーションのためのグラフベースマルチモーダル融合ナビゲーション2022/9/1
RGBカメラ・3D LiDAR・オドメトリのマルチモーダル入力をグラフニューラルネットで融合し、候補軌道の成功確率を推定する屋外ナビゲーション手法を提案。センサ信頼度を考慮し、一部センサが使えない状況でも頑健に動作する。
- HTRON: 重尾適応強化学習によるスパース報酬での効率的な屋外ナビゲーションナビゲーション2022/7/1
スパース報酬設定で重尾方策パラメータ化を用いて探索を促す適応的強化学習アルゴリズムHTRONを提案し、屋外ナビゲーションの成功率を向上させた。
- 不整地屋外ナビゲーションのための空間認識型sim-to-real戦略sim2real2022/5/1
注意機構付き深層強化学習ポリシーの中間出力をナビゲーションコストマップとして利用し、DWAと組み合わせることで不整地屋外でのsim-to-realギャップを埋めるハイブリッド手法を提案した。
- 自己教師あり学習による不整地走行ナビゲーション不整地走行2022/2/1
ロボットと地形の相互作用から路面性状を自己教師あり学習で推定し、コストマップと加速度制限を用いた不整地自律走行を実現した。
- 不整地屋外環境における深層強化学習を用いた信頼性の高い経路計画ナビゲーション2021/9/1
地形の高低差マップとロボット姿勢から注意マスクを生成し、安定性の低い領域を避けるコストマップと動的に実行可能な軌道を算出するナビゲーション手法を提案した。実機実験で成功率35%向上、標高勾配26%低減を達成した。
- 群集団の結束度をモデル化した社会的配慮型ロボットナビゲーションナビゲーション2021/8/1
RGB-Dカメラの視覚特徴から歩行者の集団結束度を推定し、それを用いて混雑環境でのロボットの社会的ナビゲーションを改善した研究。
- GANav: 不整地屋外環境におけるロボットナビゲーション向け高効率地形セグメンテーション地形セグメンテーション2021/3/1
RGB画像から走行可能な地形をグループ単位の注意機構で効率的にセグメンテーションし、強化学習ナビと組み合わせて実機ロボットの走行成功率と路面選択精度を向上させた研究。
- 動的に実行可能な深層強化学習方策による密な移動群衆中のロボットナビゲーションナビゲーション2020/10/1
DWAの動的制約充足性と深層強化学習の移動障害物対応を組み合わせ、障害物運動を低次元観測空間に埋め込むことで衝突を大幅に減らすナビゲーション方策を提案した。
- COVID-Robot: 混雑環境における社会的距離の監視群衆監視ロボット2020/8/1
RGB-Dカメラと2D LiDARを搭載した移動ロボットで群衆内を衝突回避しながら移動し、人物間の社会的距離違反を検出する手法を提案。
- 暗黙的マルチセンサ融合と深層強化学習による密集群衆下での移動ロボットのリアルタイム衝突回避ナビゲーション2020/4/1
2D LiDARと深度カメラを暗黙的に融合し、3DシミュレーションでPPOにより学習した方策を実機に転移させ、密集群衆や狭い通路でもリアルタイムに滑らかな衝突回避を実現した。
- Frozone:群衆内で凍結せず歩行者に優しいナビゲーション群衆ナビゲーション2020/3/1
歩行者の軌道を予測して「凍結ゾーン」を避ける速度を計算し、深層強化学習の衝突回避と組み合わせることで、密集した群衆の中でもスムーズで歩行者に優しいロボット移動を実現した。
- DenseCAvoid:歩行者予測を活用した群衆内リアルタイムナビゲーション群衆ナビゲーション2020/2/1
歩行者の軌道予測と深層強化学習を組み合わせ、密集した群衆の中でも衝突を避けてロボットがスムーズに移動できるナビゲーション手法を提案した。
- LSwarm: 複雑な都市環境における大規模群れのカバレッジ制約付き効率的衝突回避群制御2019/2/1
都市監視用UAV群れの衝突回避手法LSwarmを提案。ORCAを基に、カバレッジ制約を考慮しつつ静的・動的障害物や他エージェントとの衝突を効率的に回避し、数十〜数百機規模でも数ミリ秒で計算可能。
