Chongkun Xia
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
- 視覚-触覚融合による透明破片の輪郭推定:自律的再組立に向けて視覚-触覚融合2026/3/1
透明な破片の輪郭を視覚と触覚の融合で推定するフレームワークを提案し、データセットとネットワークを構築して実世界で検証した。
- ロボットによる布の展開把持選択のためのデータセットとベンチマーク:ICRA 2024布コンペティションマニピュレーション2025/8/1
空中でのロボット布展開における把持姿勢選択を評価するベンチマークとICRA 2024コンペティションを開催し、679回の実世界デモンストレーションを含むデータセットを公開した。
- D3-ARM:高ダイナミック・高器用・完全分離型ケーブル駆動ロボットアームマニピュレーション2025/2/1
低摩擦の運動分離機構を関節に配置し、全電気部品をベースに集約した軽量ケーブル駆動アームを開発。776mm・6自由度・1.6kgで平均位置決め誤差1.29mm、可搬2.0kgを実現した。
- CushionCatch:最適化と学習を組み合わせた移動マニピュレータの柔軟なキャッチング機構マニピュレーション2024/9/1
移動マニピュレータが飛来する物体を柔軟に受け止めるため、最適化と学習を組み合わせたフレームワークを提案し、シミュレーションと実機で高い成功率と衝撃トルクの低減を達成した。
- 衝突のないロボット動作を実現する効率的な衝突検出フレームワークマニピュレーション2024/9/1
ロボットの符号付き距離場(SDF)を軽量ネットワークで近似し、自己衝突検出も統合した高速な衝突検出フレームワークを提案。微分可能な性質を活かして軌道最適化や動的障害物のリアルタイム回避を実現した。
- MuxHand:時分割多重モータ駆動によるケーブル駆動型巧みなロボットハンドマニピュレーション2024/9/1
4つのモータを時分割多重制御して9本のケーブルを独立に動かすことで、低コストかつ高巧緻性を実現したロボットハンドを開発し、把持・操作性能を実験で示した。
- 移動マニピュレータの衝突回避のための安全で迅速な全身制御マニピュレーション2024/9/1
移動マニピュレータの動的障害物回避のため、適応的循環不等式(ACI)をCBF-QPに組み込み、自己衝突回避も統合した全身制御手法を提案し、実験で有効性を示した。
- ViIK: 衝突判定を融合したフローベースの視覚逆運動学ソルバマニピュレーション2024/8/1
RGB画像から多様なロボット関節角度を高速生成し、衝突判定も同時に考慮するフローベースの逆運動学ソルバを提案。
- PPNet: エンドツーエンド経路計画のための二段階ニューラルネットワーク経路計画2024/1/1
経路計画を経路空間分割とウェイポイント生成の2段階に分け、それぞれを解く二段階ニューラルネットワークPPNetを提案。さらに連続曲率経路を生成するデータ生成法EDaGe-PPを開発し、15.3msで準最適解を求めることを示した。
- グラフ動力学を用いた言語条件付き変形物体マニピュレーションの学習変形物体マニピュレーション2023/3/1
言語指示で変形物体の操作タスクを指定し、Transformerと可視連結グラフを組み合わせて把持・配置動作を学習するフレームワークを提案。未見の指示やタスクにも汎化し、成功率87.2%・推論時間75.6%短縮を達成。
- 局所GNNに基づく深層強化学習による目標条件付き変形物体の再配置変形物体マニピュレーション2023/2/1
画像から検出したキーポイントを2つのグラフで表現し、自己注意と相互注意を用いて変形物体を目標形状に再配置する学習手法を提案。シミュレーションでロープや布のタスクに有効で、実機への転移も容易であることを示した。
- Graph-Transporter: グラフベース学習による目標条件付き変形物体の再配置タスクマニピュレーション2023/2/1
変形物体の配置をグラフ構造で表現し、グラフ畳み込みネットワークとFCNで視覚入力からピック&プレース動作を生成する枠組みを提案した論文。
- Foldsformer: 時空間アテンションによる逐次多段階布操作の学習布操作2023/1/1
一般的な実演を1つ与えるだけで、時空間アテンション機構を用いて布の多段階操作を計画するフレームワークを提案し、シミュレーションと実機で有効性を示した。
- 複雑背景における透明物体把持のための視覚触覚融合視覚触覚融合2022/11/1
複雑な背景や照明変化に対応するため、把持位置検出・触覚キャリブレーション・視覚触覚融合分類を組み合わせた透明物体把持フレームワークを提案し、把持成功率と分類精度を大幅に改善した。
