Daniel Adolfsson
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
- 特徴の乏しい環境における4Dレーダ位置合わせのためのグラフ理論的外れ値除去位置合わせ/外れ値除去2026/4/1
4Dイメージングレーダのスキャン位置合わせにおいて、グラフベースのペアワイズ整合性最大化(PCM)をICPループに組み込み、外れ値を除去する手法を提案。不確実性を考慮した残差を用いることで、特徴の乏しい露天掘り鉱山での位置合わせ精度を向上させた。
- CFEAR-Teach-and-Repeat: 高速かつ高精度なレーダーのみによる位置推定位置推定2026/3/1
単一のスピニングレーダーを用いたティーチ・アンド・リピート方式の位置推定パイプラインを提案し、悪天候下でも高精度・高効率な自己位置推定を実現した。
- 4Dイメージングレーダーを用いたSLAMのための内省的ループ閉じ込みSLAM2025/3/1
4DレーダーSLAMにおいて、サブマップ生成と内省的指標により、同方向・逆方向視点からのループ閉じ込みを検出し、軌道精度を最大82%改善する手法を提案。
- 4DレーダーSLAMにおける内省的なループ閉じ込みに向けてSLAM2024/4/1
4Dイメージングレーダーを用いたSLAMにおいて、低視野角やノイズなどの課題に対応するため複数の品質指標を組み合わせたループ閉じ込み検出手法を提案し、1.8km走行で絶対軌道誤差0.46mを達成した。
- CFEARレーダーオドメトリの評価レーダーオドメトリ2024/4/1
スピニング2Dレーダーオドメトリ手法CFEARを評価し、Boreasデータセットで低ドリフトとリアルタイム性能（68Hzで0.61%の並進ドリフト）を達成したことを示した。
- TBV Radar SLAM：ループ候補を信頼しつつ検証するロバストSLAMSLAM2023/1/1
レーダーSLAMにおいて、ループ閉じ込み候補を登録後に検証・選択することで誤制約に強くし、公開ベンチマークで従来手法より65%誤差を削減した。
- レーダーでLiDAR級の自己位置推定？多様な環境で高精度・高速・ロバストな大規模レーダーオドメトリのCFEAR手法レーダーオドメトリ2022/11/1
スピニングレーダーを用いた大規模オドメトリ推定のための、学習不要で高精度・高効率な手法を提案し、多様な環境でパラメータ変更なしに汎化することを示した。
- CorAl: 微分エントロピーを用いた多様な環境におけるロバストなレーダー・ライダー知覚のための内省位置合わせ品質評価2022/5/1
点群ペアの位置合わせ品質を微分エントロピーの比較で自己教師あり学習的に評価する手法CorAlを提案し、レーダー向けの2段階フィルタと組み合わせて都市環境での位置ずれ検出を高精度で実現した。
- レーダーオドメトリ精度向上のためのBFAR有界誤警報率検出器レーダーオドメトリ2021/9/1
FMCWレーダーのノイズ除去用に、CFARと固定閾値の中間的なBFAR検出器を提案し、最先端のレーダーオドメトリパイプラインに適用して誤差を12.5%改善した。
- 高効率・高精度なレーダオドメトリのための方向付き表面点レーダオドメトリ2021/9/1
レーダの方位ごとに強い反射のみを残すフィルタと点-線距離最小化により、環境ごとの学習なしで高精度・高効率なレーダオドメトリを実現した。
- CorAl：点群は正しく位置合わせされているか？点群位置合わせ2021/9/1
2つの点群の結合エントロピーと個別エントロピーを比較することで、位置合わせの誤りを環境依存パラメータなしで自動検出する手法を提案した論文。
- CFEARレーダーオドメトリ：効率的で高精度なレーダーオドメトリのための保守的フィルタリングレーダーオドメトリ2021/5/1
方位ごとに強い反射をk個保持しカルテシアン空間でもフィルタリングすることで疎な表面点を抽出し、点-線距離最小化とHuber損失でロバストにスキャンマッチングを行う学習不要のレーダーオドメトリ手法を提案。単一CPUスレッドで55Hz動作し、公開都市ベンチマークで1.76%の並進誤差を達成。
- NDT-Transformer：正規分布変換表現を用いた大規模3D点群位置認識位置認識2021/3/1
3D点群を正規分布変換(NDT)セルに圧縮し、Transformerで大域記述子を学習することで、GPSの使えない環境でのリアルタイム大規模場所認識を高精度に実現した論文。
- 大規模環境における高速かつ高精度なLiDARベースのロボット自己位置推定自己位置推定2020/3/1
深層学習による確率的な位置推定でMCLを初期化し、フィルタリングで精密化することで、大規模環境でのロボット自己位置推定を高速かつ高精度に実現した。
