Dominic Baril

収録論文 9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

• 予測不能性を乗り越えるDRIVE：スリップ調査プロトコルから指令不確実性推定指標へ
  sim2real2025/6/1

  オフロード自律走行のためのDRIVEプロトコルを提案し、複数車両・地形でのデータ収集によりスリップ状態空間を同定。指令速度と定常スリップの伝達関数を解析し、指令不確実性を推定する指標を導入した。

• 車両フィールド展開間の運動歪みの比較
  自律走行2024/5/1

  無人地上車両（UGV）の展開事例を分類し、運動歪み特徴とナビゲーション性能を評価する指標を提案した研究。

• 飽和を考慮した角速度推定：SLAMのロバスト性を激しい動きに拡張
  SLAM2023/10/1

  ジャイロセンサが飽和するような激しい回転時でも加速度センサから角速度を推定し、SLAMの位置推定精度と地図生成のロバスト性を大幅に改善する手法を提案。

• DRIVE: データ駆動型ロボット入力ベクトル探索
  走行2023/9/1

  無人地上車両の入力限界を特定し、運動モデル学習用のデータを効率的に収集するプロトコルDRIVEを提案。学習済みスリップ推定により予測性能を向上させ、従来の人間運転データ収集より少ないデータで収束することを示した。

• 悪天候下の自動運転における視界定量化の重要性
  自動運転/悪天候2022/9/1

  降雪時のLiDAR視界損失を気象学の視程概念に基づきリアルタイムで定量化する新指標を提案し、CADCデータセットで評価した。ICPアルゴリズムは降雪に頑健だが突発的な吹雪には弱く、極端事象に焦点を当てたデータセットの必要性を示した。

• 亜寒帯森林におけるキロメートル規模の自律ナビゲーション：課題と教訓
  自律ナビゲーション2021/11/1

  積雪や降雨が変動する亜寒帯森林で、点群レジストレーションによる教示・再現型の自律走行を18.8km以上にわたり実験し、積雪が局所化精度に与える影響やGNSSの限界を明らかにした。

• DARPA地下探査チャレンジにおける異種ロボット群探査システム
  群制御2021/10/1

  GPSの使えない地下環境で複数のロボットが協調して物体を探索するシステムを構築し、DARPA SubTチャレンジで非DARPA資金チーム最高の3位に入った実践報告。

• 極端な運動に頑健なLiDARスキャン位置合わせ
  SLAM/位置合わせ2021/5/1

  衝突などで生じる極端な速度・加速度下でも、点群の歪み補正に残る不確かさと環境形状を考慮してICP系位置合わせのロバスト性を高める手法を提案し、並進誤差を約9%、回転誤差を約22%低減した。

• 大型スキッドステアロボットのオドメトリモデルを亜寒帯環境で評価
  オドメトリ/移動ロボット2020/4/1

  590kgの大型スキッドステアロボットを雪上とコンクリート上で走行させ、4種類のオドメトリモデルの精度を比較・チューニングした研究。