Aykut Ozgun Onol
収録論文 6本 ・ フィジカルAI/ロボット学習
マニピュレーションナビゲーション接触計画
※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
- 全身マニピュレーションのための計画誘導強化学習マニピュレーション2023/10/1
モデルベース計画で生成した計画を強化学習の探索ガイドに用いるPGRLを提案し、柔軟な腕を持つ上半身ヒューマノイドPunyoで大きな箱を回転・持ち上げる全身マニピュレーションに適用した。
- 状態トリガー制約を用いた非把持マニピュレーションの接触陰的計画と制御マニピュレーション2022/10/1
状態トリガー制約を導入し、接触モードの組み合わせを明示せずに非把持マニピュレーションの接触軌道を生成する計画・制御手法を提案し、動的押し操作のシミュレーションで有効性を示した。
- 可動障害物を押しのけて進むアフォーダンスベースの移動ロボットナビゲーションナビゲーション2021/2/1
障害物の可動性をアフォーダンスとして認識し、接触を許容する軌道最適化で押しのけながら目的地へ移動する枠組みを提案し、HSRで実機検証した。
- パラメータ調整不要の接触陰的軌道最適化接触計画2020/6/1
緩和接触モデルと自動ペナルティ調整により、初期推定とチューニングなしで様々なロボットの接触軌道を計画できる手法を提案し、マニピュレーションや歩行で有効性を示した。
- 可変スムーズ接触モデルと逐次凸化による接触陰的軌道最適化マニピュレーション2018/10/1
接触を陰的に扱う軌道最適化において、可変スムーズ接触モデルと逐次凸化を組み合わせ、非把持マニピュレーションで収束性・計算時間・動作品質を改善し実機でも検証した論文。
- マニピュレーションの軌道最適化における接触モデルの比較分析マニピュレーション2018/6/1
7自由度ロボットアームの押し操作を対象に、相補性制約・平滑化・可変平滑化の3つの接触モデルを接触暗黙的軌道最適化に適用し、物理的精度・動作品質・計算時間を比較した。
