Henrik Andreasson
収録論文 20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
- ブロックケーブマイニングのための最終最適かつスケーラブルなマルチエージェント計画群制御2026/9/7
地下鉱山の自動化車両群の輸送計画を最適化する問題を定式化し、混合整数線形計画法に基づく解法SAMMとその高速版SAMMSを提案した。
- 3Dレーダーデータからのニューラル表面・反射率モデリング3D再構成/レーダー2026/3/1
レーダー点群からシーン形状と視点依存のレーダー強度を同時に学習するニューラル暗黙表現を提案し、低視界環境での高精度な3D表面再構成を実現した。
- 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。
- 散らかった環境でのロボット把持のための単視点形状補完マニピュレーション2025/12/1
単視点の深度画像から拡散モデルを用いて物体の完全な3D形状を補完し、散らかった家庭用品の把持成功率を向上させる手法を提案した。
- 新規合成視点での把持生成のための放射輝度場の活用マニピュレーション2025/5/1
Gaussian Splattingなどの放射輝度場を用いて新規視点画像を合成し、把持姿勢生成の精度とカバレッジを向上させる手法を提案した。
- 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。
- 強化学習によるショートローディングサイクルの接近動作の学習sim2real2024/6/1
ショートローディングサイクルにおけるダンプトラックへの接近・位置合わせを強化学習で学習させ、シミュレーションで訓練したエージェントを追加学習なしで実車に転移できることを示した。
- 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。
- 因子グラフ上の拡張ラグランジュ法最適化2023/8/1
拡張ラグランジュ法を因子グラフの因子として組み込むことで、既存の因子グラフソルバを制約付き最適化に拡張する手法を提案し、姿勢推定・回転同期・MPCに適用した。
- 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。
- 移動ロボットのソフトウェアアーキテクチャソフトウェアアーキテクチャ2022/6/1
移動ロボットシステムがソフトウェアフレームワークに課す要件を概観し、既存の設計解と歴史的経緯を整理して今後の方向性を示したサーベイ。
- 移動ロボットのためのセンサセンサ2022/6/1
移動ロボットで一般的に使われるセンサの分類・基本特徴・仕様を、基礎原理から実世界の応用までボトムアップで解説した章である。
- 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。
- 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。
- 緊急地図を活用したSLAM自動補完SLAM2017/2/1
消防隊が使う緊急地図を事前情報として取り込み、スケール誤差や誤対応が多い状況でもロボット地図を補完できるグラフSLAM手法を提案した。
