Bharadwaj Amrutur
収録論文 16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
- 2Dマスクを用いた勾配駆動による3Dガウシアンスプラッティングのセグメンテーションとアフォーダンス転移3Dセグメンテーション2024/9/1
2Dセグメンテーションモデルの勾配を投票として利用し、3Dガウシアンスプラットを高精度にセグメンテーションする手法を提案。副次的にガウシアンの圧縮や2D画像からのアフォーダンス転移も実現した。
- CORNET 2.0:ロボットネットワーク向け協調シミュレーションミドルウェアマルチロボット/ネットワークシミュレーション2021/9/1
Gazebo/ROSとmininet-WiFiを時間・移動を同期させて統合し、マルチロボットの物理挙動と通信を同時にシミュレーションできる枠組みを提案した論文。
- 模倣学習における確率的行動予測模倣学習2021/1/1
専門家のデモに含まれるばらつきを自己回帰生成・GAN・変分予測でモデル化し、タスク成功率が大きく向上することを示した論文。
- 高精度ペグ挿入タスクのための模倣学習模倣学習2021/1/1
産業用ロボットで6〜10µmのクリアランスのペグ挿入を、少数の人間の実演からGAILで学習し、挿入時間を短縮した。
- 複数物体に対応するエンドツーエンド模倣学習のための位置特定手法模倣学習2021/1/1
視覚特徴マップにインスタンス選好を表す埋め込みを付加し、自己回帰型の行動生成器を組み合わせることで、対象物体が複数ある画像でも少ない実演データから効率的に模倣学習できる手法を提案した。
- シャムネットワークによる視覚的手がかりを用いたワンショット物体位置推定物体位置推定2020/12/1
レーザーポインタで指し示された未知物体を、シャムネットワークを組み込んだエンドツーエンドのニューラルネットワークで認識・位置推定し、ロボットが把持・配置できることを示した研究。
- 自然言語指示からの空間推論によるロボットマニピュレーションマニピュレーション2020/12/1
自然言語の指示と物体位置を二段階で処理し、把持・配置座標を推定するパイプラインを提案。位置の二値グリッド表現とアテンションが汎化に有効なことを示し、カードのピック&プレースで実証した。
- 指差しでロボットに新しい物体を教えるマニピュレーション2020/12/1
人の指差しで示された未知の物体に注目し位置を特定するニューラルネットを提案し、ロボットアームが新しい物体を操作できることを示した。
- 自然言語指示をロボット操作用プログラムに変換する手法言語条件付きマニピュレーション2020/12/1
自然言語の指示を物体検出結果を参照するPython関数に変換し、制約ソルバーなど非微分可能なモジュールを活用してロボットを制御する。直接行動予測する模倣学習より高性能であることを示した。
- 傾斜地形における頑健な四脚歩行:線形方策アプローチ歩行2020/10/1
胴体姿勢と地形傾斜を入力とする線形フィードバック方策で足先軌道を調整し、Augmented Random Searchで学習することで、低コスト四脚ロボットStoch 2の傾斜地歩行を実現した。
- UWB無線を用いたTWRおよびTDoA測位のための堅牢でスケーラブルな技術UWB測位2020/8/1
UWB無線を使い、ドローンの測位をTDoA方式で行う新しいプロトコルと手法を提案し、従来のTWR方式と比較して精度を保ちつつ位置更新レートを向上させた。
- 専門家の実演から四足歩行ロボットの安定した機動を学習する歩行2020/7/1
速度・旋回半径ごとに複数の方策を学習し、上位のニューラルネットで遷移を滑らかにするフィルタを専門家の実演から学習して、四足ロボットの安定した機動を実現した。
- 拡張ランダムサーチによる四足ロボットの歩容ライブラリ合成歩行2019/12/1
拡張ランダムサーチを用いて四足ロボットの前進・後退・横歩き・旋回の足軌道をシミュレーションで学習し、実機に転移して歩容ライブラリを構築した研究。
- 四足歩行ロボットの動的で効率的な移動のための能動的脊椎行動の学習歩行2019/5/1
深層強化学習を用いて、脊椎関節を能動的に動かす16自由度四足ロボットのバウンディング歩容を学習し、2.1m/sの速度と効率改善を実現した。
- 四足歩行研究プラットフォーム「Stoch」の設計・開発・実験的実現歩行2019/1/1
堅牢でモジュール式の自作四足ロボットStochのハードウェアと制御アーキテクチャを提示し、トロットやバウンド、旋回、歩容遷移を実験で示した。
- 学習済み四足歩行を運動学的動作プリミティブで実現歩行2018/10/1
深層強化学習で得た歩容を主成分分析で運動学的動作プリミティブに分解し、単一の学習歩容からトロット・歩行・ギャロップ・バウンドを実機ロボットで再構成した研究。
