Carol Martinez
収録論文 14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
- 軌道上サービス向けセンサ付きヤモリ型粘着インターフェースの接触状態認識触覚2026/10/19
静電容量センシングを組み込んだヤモリ型ドライ粘着インターフェースで、接着ライフサイクル中の5つの接触状態をリアルタイムに分類する枠組みを提案し、軽量MLモデルとルールベース状態機械を組み合わせて高精度なオンライン認識を実現した。
- 視覚触覚による物体回転分類のための最小光流表現:重力環境を超えたロボットマニピュレーション触覚2026/10/8
シミュレーション触覚センサの光流を126次元に圧縮し、地球・火星・月・軌道の重力下で物体回転方向を分類。全重力域で訓練した単一モデルは96.3%の精度を達成し、地球のみの訓練では軌道で75.9%に低下することを示した。
- 報酬なし連続適応による耐障害宇宙ロボット強化学習/適応2026/8/24
宇宙ロボットのハードウェア劣化に対応するため、報酬信号なしで適応可能な報酬フリー連続学習フレームワークを提案。事前学習した世界モデルの遷移ダイナミクスのみを更新し、想像上の軌道でポリシーを訓練する。
- 自律的なレゴリス掘削のためのツール認識型適応コンプライアント制御の学習マニピュレーション2025/9/1
並列シミュレーション上でモデルベース強化学習エージェントを訓練し、多様な掘削ツールと月面地形に適応するため剛性と減衰を動的に調整する制御戦略を学習させた。
- 宇宙ロボティクスベンチ:地球を超えたロボット学習sim2real2025/9/1
宇宙環境でのロボット学習のためのオープンソースシミュレーションフレームワークを提案し、多様なベンチマークタスクと強化学習のベースラインを提供する。
- Sim2Dust:粒状媒体上での動的ウェイポイント追従を実現するsim2real2025/8/1
ランダム化した物理シミュレーションで強化学習エージェントを訓練し、月面模擬環境の実機ローバーへゼロショット転移することで、粒状地形上での動的ウェイポイント追従を可能にした。
- 宇宙ロボットによる軌道上サービス向けビジュアルサーボのサーベイビジュアルサーボ/宇宙ロボティクス2024/9/1
軌道上サービス(OOS)における宇宙マニピュレータのビジュアルサーボ(VS)手法を、認識・接近・接触の各フェーズ別に整理し、現状の傾向と今後の課題をまとめたサーベイ論文。
- 3Dガウシアンスプラッティングによる動的な未知物体の物体中心再構成と追跡物体追跡2024/5/1
RGB-D画像列から未知物体の形状・外観を3Dガウシアンの集合で表現し、事前学習なしで逐次的に再構成と6自由度姿勢追跡を行う手法を提案した。
- 宇宙での自律ペグインホール組立に向けた手続き的生成の活用sim2real2024/5/1
手続き的生成とドメインランダム化を組み合わせ、多様なシミュレーション環境で深層強化学習エージェントを訓練し、宇宙での自律的なペグインホール組立の汎化性と適応性を向上させる手法を提案した。
- GraspLDM: 潜在拡散モデルによる生成的6自由度把持合成マニピュレーション2023/12/1
VAEの潜在空間に拡散モデルを事前分布として組み込み、点群を条件に多様な6自由度把持姿勢を生成するモジュール型フレームワークを提案。実機で80%の把持成功率を達成した。
- 位置制御ロボットにおけるロボットインタラクションのための位置・速度ベース順動力学コンプライアンス制御(FDCC)の評価コンプライアンス制御2022/10/1
位置制御ロボットにコンプライアンスを付与するFDCCについて、位置制御と速度制御のどちらのインターフェースが適するかをUR10eで比較評価し、速度制御がより滑らかで相互作用力が小さいことを示した。
- 順動力学に基づくデカルト運動制御による軌道上インタラクションのエミュレーションsim2real2022/9/1
地上のロボットマニピュレータで軌道上のサービス・組立作業を再現するため、仮想順動力学モデルによるデカルト運動制御と軌道力学シミュレータを組み合わせた制御フレームワークを提案し、自由浮遊衛星運動と衝突インタラクションの2シナリオで検証した。
- バリアレスな人とロボットの協調作業のための視覚ベース安全システム安全・協調ロボット2022/8/1
深層学習による視覚システムで作業者の3D位置を検出・追跡し、安全ゾーンに応じてロボットの速度制御や停止を行う安全システムを提案した。
- 月面での3Dオクトリー観測を用いた深層強化学習による把持学習sim2real2022/8/1
月面探査ローバーのロボットアームによる物体把持を、3Dオクトリー観測と深層強化学習で学習し、ドメインランダム化により実機へのゼロショット転移を実現した。
