Ali Agha
収録論文 10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
- Co-Me: 視覚幾何Transformerのための信頼度誘導トークン統合効率化2025/11/1
再学習なしで視覚幾何Transformerを高速化するため、軽量な信頼度予測器でトークンを不確実性順に並べ、低信頼トークンを統合する手法を提案。VGGTやPi3で最大21倍超の高速化を実現。
- はさみを持って走るな:VLAモデルは枝刈りで壊れるが回復可能VLA2025/10/1
VLAモデルを枝刈りすると性能が大きく劣化し安全性違反も増えるが、重み空間で密モデルと枝刈りモデルを一度補間して補正項を計算する学習不要の手法GLUESTICKにより、効率を保ちつつ成功率を回復できることを示した。
- VENTURA: 画像拡散モデルを統合タスク条件付きナビゲーションに適応ナビゲーション2025/10/1
インターネット事前学習済みの画像拡散モデルを微調整し、言語指示に従って画像空間で経路マスクを生成する視覚言語ナビゲーションシステムを提案。軽量な模倣学習ポリシーで実行可能な軌道に変換し、実世界評価で成功率33%向上・衝突54%削減を達成。
- Pixels-to-Graph: 建物情報モデルとシーングラフのリアルタイム統合による人間-ロボット間の意味的・幾何的理解シーングラフ2025/6/1
画像とLiDARからCPUのみでリアルタイムに構造化シーングラフを生成し、2D地図と3D点群を多層グラフで統合する軽量手法を提案。NASA JPLの脚ロボットで実環境検証。
- NeBula拡張:TEAM CoSTARのソリューションを大規模環境へ展開する補遺地下探査/群制御2025/4/1
DARPA地下チャレンジに参加したTEAM CoSTARのNeBula自律探査システムを、より広範囲・大規模な地下環境に対応させるためのハードウェア・ソフトウェア・アルゴリズム拡張を提示し、実環境で実証した。
- RoadRunner:自律走行オフロード走行のための走破性推定学習走破性推定2024/2/1
カメラとLiDARの入力を融合し、自己教師あり学習で地形の走破性と標高マップを直接予測するフレームワークを提案し、オフロード自律走行の低遅延化を実現した。
- ピクセルから標高へ:自律オフロード走行のための画像を用いた長距離標高マップ予測学習sim2real2024/1/1
車載の単眼画像のみから長距離の地形標高マップをリアルタイム予測する学習手法を提案し、オフロード走行データで有効性を示した。
- 早期リコール・後期精度:知覚劣化環境下での運用制約に基づくマルチロボット意味的物体マッピングマルチロボット探索2022/6/1
知覚が劣化した環境で複数ロボットが探索する際、初期は再現率を優先し後から精度を高める意味的物体マッピング手法を提案し、DARPA地下チャレンジで全アーティファクトを検出した。
- NeBula:過酷環境下でのロボット自律性を目指すフレームワーク — DARPA地下チャレンジにおけるTEAM CoSTARの取り組み自律探査2021/3/1
DARPA地下チャレンジでCoSTARチームが用いた、不確実性を考慮した自律探査フレームワークNeBulaのアルゴリズム・ハードウェア・ソフトウェア構成と競技結果をまとめた論文。
- 煙空:山火事科学・応用のための無人航空システムの新境地開拓UAS/山火事2019/11/1
山火事管理の現状と技術を評価し、JPLが開発可能な技術の影響度・成熟度・実現性を分析。単一MAVの自律飛行と火災センシング、データシステムの開発が最も投資効果が高いと結論づけた。
