Chaitanya Mitash
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
- 大規模マルチ吸盤ピッキングにおけるマルチモーダル学習によるピック成功予測マニピュレーション2025/6/1
倉庫などでの多様な物品の山からのマルチ吸盤ロボットピッキングにおいて、RGB・深度・セマンティックセグメンテーションを組み合わせたマルチモーダル学習でピック成功を予測し、実データで性能を評価した。
- ARMBench: ロボットマニピュレーションのための物体中心ベンチマークデータセットマニピュレーション2023/3/1
アマゾンの倉庫で収集された、23.5万件以上のピック&プレース作業と19万以上の物体を含む大規模物体中心データセットを構築し、物体セグメンテーション・識別・欠陥検出のベンチマークを提案した。
- 物体モデルのオンライン再構築と再利用によるロボットマニピュレーションの生涯改善マニピュレーション2021/9/1
把持・配置タスクにおいて、過去に操作した物体を認識し、その再構築モデルを再利用することで形状不確かさを低減し、操作の効率と精度を生涯にわたり改善するパイプラインを提案した。
- 合成ドメインでの画像残差校正によるデータ駆動型6D姿勢追跡6D姿勢追跡2021/5/1
合成画像と実画像の残差を校正するニューラルネットワークで6D物体姿勢をリアルタイム追跡し、合成データのみの学習でも実画像で高精度を達成した研究。
- 物体姿勢の離散分布を考慮した安全で効果的な把持経路計画マニピュレーション2020/8/1
6D姿勢推定の不確実性を離散分布として扱い、衝突確率を最小化しつつ目標到達確率を最大化する把持経路計画を確率的MCR問題として定式化した研究。
- 合成ドメインで画像残差を校正するデータ駆動型6D姿勢追跡6D姿勢追跡2020/7/1
合成画像と実画像の残差を校正するニューラルネットで、合成データのみの学習でも実環境の物体6D姿勢を高精度・高頻度(90.9Hz)で追跡する手法を提案。
- 未知物体の制約付き配置のためのタスク駆動型知覚とマニピュレーションマニピュレーション2020/6/1
幾何モデルを持たない未知物体をピックし、衝突なく狭い目標領域に配置するため、保守的・楽観的体積推定を同時に用いる操作計画フレームワークを提案し、双腕ロボットで実証した。
- 適応型ハンドに把持された物体の遮蔽に頑健な姿勢推定姿勢推定2020/3/1
深度画像を用いて、適応型ハンドが物体を大きく遮蔽する状況でも把持物体の6D姿勢を高精度かつ高速に推定するフレームワークを提案し、データセットも公開した。
- 指差し動作の意図を読み解く:ロボットアームによるコミュニケーションヒューマンロボットインタラクション2019/12/1
ロボットアームの指差し動作が物体特定か場所指定かという意図を、人間がどう解釈するかをアニメーション実験で調査し、解釈の柔軟性の違いと環境・文脈の影響を明らかにした。
- 密集物体の複数インスタンスに対するシーン全体の姿勢推定6D姿勢推定2019/10/1
RGB-Dデータから密集・山積みの物体を複数同時に6D姿勢推定する手法を提案。合成データのみで学習し、検出器と姿勢候補のスコアを統合する整数線形計画で衝突を避けつつ高精度を実現した。
- 実世界での高密度ロボットパッキング:堅牢なプリミティブによる完全なマニピュレーションパイプラインマニピュレーション2019/3/1
RGB-Dデータと真空吸着エンドエフェクタのみを持つ単腕ロボットで、直方体を隙間なく箱に詰めるパッキング作業を実現するパイプラインを提案し、実世界実験で堅牢性を示した。
- 散らかった環境での物体姿勢推定に向けた物理ベースのシーン全体推論姿勢推定2018/6/1
CNNによる物体検出とシーン全体の物理的相互作用を考慮した最適化を組み合わせ、自己学習で精度を高める姿勢推定フレームワークを提案した。
- 物理法則を考慮したモンテカルロ木探索による混雑環境下の物体6D姿勢推定の改善6D姿勢推定2017/10/1
混雑・遮蔽環境で物体同士の物理的相互作用を考慮し、候補姿勢をクラスタリングした上でMCTSによりシーン全体の最適な6D姿勢の組み合わせを探索する手法を提案。
- 物理シミュレーションと多視点姿勢推定による物体検出自律学習システム物体検出2017/3/1
物理シミュレーションで合成データを生成し、多視点姿勢推定で実画像に自動ラベル付けしてCNNを自己学習させる物体検出手法を提案。
