Hakaru Tamukoh
収録論文 15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
- Hibikino-Musashi@Home 2026 チーム記述論文サービスロボット2026/11/12
RoboCup@Home 2026 オープンプラットフォームリーグ向けに、学習ベースの物体認識、RoomPlanによる意味地図生成、LLMプランナ、FPGA実装のリザバー計算による行動認識などを統合したサービスロボットシステムを紹介する論文。
- 低コストなハイブリッド貯水池計算モデルによる孤立手話ビデオ認識手話認識2026/8/1
手話認識を軽量な貯水池計算で実現し、深層学習に匹敵する精度を低コストで達成した。
- SaaF: シーン特化型の曖昧性を考慮した3D言語フィールドによる実世界オブジェクトの対話的検索3D言語フィールド/オブジェクト検索2026/7/14
実世界のシーンで自然言語による対話的なオブジェクト検索を行うため、ガウススプラッティングベースの3D言語フィールドを提案。メトリック学習でインスタンス識別性を高め、曖昧なクエリに対して明確化を求める機能を備える。
- 並列双方向リザバーコンピューティングによる手話認識手話認識2025/12/1
MediaPipeで手の関節座標を抽出し、並列双方向リザバーコンピューティングで時系列特徴を捉える軽量な手話認識システムを提案。エッジデバイス向けに高速・低コストな認識を実現した。
- 双方向リザバーコンピューティングによる手話認識手話認識2025/12/1
MediaPipeで抽出した手の関節座標をエコーステートネットワークベースの双方向リザバーコンピューティングで処理し、低計算コストで手話認識を実現した。
- Hibikino-Musashi@Home 2025 チーム記述論文家庭内サービスロボット2025/11/1
家庭内サービスロボットの競技会に向け、データセット生成器やシミュレータ環境、LLMによるタスクプランナ、脳模倣記憶モデルを開発したチームの取り組みをまとめた論文。
- 実環境での人とロボットのインタラクションに向けた環境・タスク・人間の統合的理解HRI2024/12/1
動的な屋内環境で人間と円滑にやり取りしながら配膳などの複数行動タスクを遂行するため、動的マップ・タスク理解・応答生成を統合したHRIシステムを提案し、レストラン模擬環境で90%の成功率と高評価を得た。
- Hibikino-Musashi@Home 2024 チーム記述論文VLA2024/10/1
家庭サービスロボットの競技チームが、視覚学習用データセット生成器とHSRシミュレータ上の開発環境、LLMによるタスクプランナを開発した取り組みをまとめた論文。
- Hibikino-Musashi@Home 2023 チーム記述論文サービスロボット2023/10/1
家庭内サービスロボットの競技会参加に向け、視覚学習用データセット生成器やヒューマンサポートロボットシミュレータ上の開発環境、脳型AIシステムを開発したチームの技術概要を述べた論文。
- Hibikino-Musashi@Home 2022 チーム紹介論文サービスロボット2022/11/1
RoboCup@Homeに参加するHibikino-Musashi@Homeチームの活動と、サービスロボットに用いている技術を紹介したチーム記述論文。
- Hibikino-Musashi@Home 2018 チーム紹介論文サービスロボティクス2022/11/1
RoboCup@Homeに参加するHibikino-Musashi@Homeチームの活動と、家庭内サービスロボット向けに開発した技術を紹介したチーム記述論文。
- Hibikino-Musashi@Home 2019 チーム紹介論文サービスロボティクス2020/6/1
家庭用サービスロボットの競技会RoboCup@Homeに参加するHibikino-Musashi@Homeチームの活動内容と使用技術を紹介する論文。
- Hibikino-Musashi@Home 2020 チーム紹介論文サービスロボティクス2020/5/1
RoboCup@Homeなどに参加するHibikino-Musashi@Homeチームの活動歴と使用技術を紹介したチーム記述論文。
- Hibikino-Musashi@Home 2017 チーム紹介論文サービスロボット2017/11/1
家庭用サービスロボットの研究・教育プラットフォームを紹介し、RoboCup@Homeへの参加と実装技術をまとめたチーム記述論文。
- 低精度アームと深度情報を用いたビジュアルサーボによる物体把持ビジュアルサーボ/把持2016/12/1
低精度なロボットアームとRGB-Dセンサを組み合わせ、SURF特徴と深度セグメンテーションで物体認識・把持を行うビジュアルサーボ手法を提案し、実環境で95%以上の成功率を達成した。
