Holly Yanco
University of Massachusetts Amherst
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
- ロボティクスサプライチェーンの安全保障政策・サプライチェーン2026/10/29
ロボティクスを独自のサプライチェーンとして捉え、不確実な由来の部品検証・基礎ハードウェア研究・大規模試験インフラ・人材育成への持続的な連邦投資の必要性を論じた政策提言論文。
- ロボット把持・操作パイプラインの標準化とガイドライン策定に向けて:COMPAREエコシステムの取り組みマニピュレーション2025/9/1
ロボット操作のオープンソース製品の互換性とベンチマークを改善するCOMPAREエコシステムにおいて、コンポーネントとパイプラインのモジュール化に関する標準とガイドラインを策定する進行中の活動を概説した論文。
- ウェアラブル柔軟センサによる適応的歩行位相・地形形状推定のためのモデル非依存メタ学習触覚2025/8/1
布ベースの柔軟ウェアラブルセンサを用いて、MAMLにより歩行位相と地形形状を同時推定し、未知の被験者や地形への少ない校正データでの適応と汎化を実現した。
- 性能ベンチマークを効率化するモジュール式把持・操作パイプライン基盤の開発マニピュレーション2025/4/1
ロボット操作のオープンソース部品統合と再現性の問題に対処するため、モジュール式の把持・操作パイプライン基盤を開発し、そのアーキテクチャと実験、今後の拡張について概説した。
- 針の穴を通す:DARPA FLAプログラムにおけるGPS拒否環境を自律航行する初期段階UAS能力の試験と評価自律航行2025/4/1
DARPAのFLAプログラムで、GPSが使えない未知環境を自律航行する小型UASの性能を比較評価するための試験手法と実験結果をまとめた論文。
- 視覚ベースロボット把持アルゴリズムのベンチマーク研究マニピュレーション2025/3/1
視覚ベースのロボット把持アルゴリズムについて、機械学習ベース2種と解析的2種を、照明・背景・カメラノイズ・グリッパなどの条件を変え、シミュレーションと実機で比較し、実験室間の再現性も検証した5040回の実験のベンチマーク研究。
- 視覚ベースロボット把持アルゴリズムのベンチマーク研究:比較分析マニピュレーション2023/7/1
視覚ベースのロボット把持アルゴリズム(機械学習2種と解析的2種)を、照明・背景・カメラノイズ・グリッパなどの条件を変えて5040回の実験で比較し、シミュレーションと実機の差異や再現性を分析したベンチマーク研究。
- DECISIVEベンチマークデータレポート:地下・屋内環境における小型無人航空機の性能評価(フェーズI)sUAS評価2023/1/1
マサチューセッツ大学ローウェル校のDECISIVEプロジェクトが、地下や屋内環境での小型ドローンの性能を20のテスト方法で評価し、8機種の結果を報告した。
- DECISIVEテスト手法ハンドブック:地下・制約屋内環境におけるsUAS評価のためのテスト手法(バージョン1.1)評価・ベンチマーク2022/11/1
GPSが使えない地下や狭い屋内環境で小型ドローンの性能を評価するためのテスト手法を、通信・自律性・地図作成など9項目にわたり共通フォーマットでまとめたハンドブック。
- 人間とロボットの協働における習熟度と意図の伝達:評価ループを閉じるためのシンポジウムHRI2022/4/1
人間からロボットへの習熟度伝達と意図伝達の効果を理解・モデル化・改善するための課題と標準化の必要性を議論するシンポジウム提案。
- ヒューマノイドロボット遠隔操作のためのVRインターフェース拡張遠隔操作2021/4/1
VRゲームや従来型インターフェースに着想を得て、ヒューマノイドロボットの遠隔操作インターフェースに視覚化と操作手段を多数追加し、仮想世界での難タスク遂行を可能にした。
- ロボティクスが実現する労働力の拡張ヒューマンロボット協働2020/12/1
人とロボットが協働するチームの可能性を論じ、米国がロボティクス分野でリーダーとなるために基礎研究・技術開発・教育・生涯学習への投資が必要だと提言した論文。
- オープンワールド環境における支援ロボットのピックアンドプレースマニピュレーション2018/9/1
レーザーポインタと投影インターフェースを用いて、未知物体や環境のモデリングなしにピックアンドプレースを行う支援ロボットシステムを提案し、従来手法より実行時間と把持成功率を改善した。
- レーザー選択によるオープンワールド支援把持支援ロボティクス2016/9/1
移動支援機器に搭載したロボットアームで、未知物体や混雑環境でも把持検出を用いて物体を掴む支援システムを開発し、物体選択88%・把持検出90%の成功率を達成した。
