James Motes
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
- MR-SPITE: 階層的掃引体積近似によるマルチロボット競合スキャンの高速化マルチロボット計画2026/9/20
各ロボットの経路を時間区間に分割し保守的な境界を割り当てることで、競合スキャンを高速化するフィルタMR-SPITEを提案。16台のFetchロボットで競合スキャンが7.18倍高速化し、計画時間が57%削減された。
- PRISM: 運動制約と高速情報共有による完全オンライン分散マルチエージェント経路計画群制御2025/5/1
分散型マルチエージェント経路計画アルゴリズムPRISMを提案し、運動制約情報を高速共有することでデッドロックを回避しつつ、集中型手法より多くのエージェントとタスクを扱えることを示した。
- Lazy-DaSH: ハイパーグラフベースのマルチロボットタスク・動作計画のための遅延アプローチマルチロボット計画2025/4/1
マルチロボットのタスク・動作計画手法DaSHを改良し、タスク計画層で必要な計画空間のみを特定して動作可能性を遅延評価することで、ロボットと物体の数を倍以上に拡張し、計画時間を桁違いに高速化した。
- K-ARC: マルチロボットの運動力学プランニングのための適応型ロボット協調群制御2025/1/1
サンプリングベースと最適化ベースの手法を組み合わせ、必要なときだけロボット間の協調を行うことで、多数のロボットの運動力学を考慮したプランニングを高速化するアルゴリズムを提案した。
- 経験ベースの部分問題計画によるマルチロボット動作計画群制御2024/11/1
少数ロボットの部分問題の解データベースを構築・活用し、多数の移動ロボットやマニピュレータの動作計画を効率化する手法を提案した。
- 再利用可能なマルチロボット計画戦略を抽象ハイパーグラフとして符号化群制御2024/9/1
ハイパーグラフベースのマルチロボットタスク計画に、単一ロボット向けの抽象化学習を拡張し、計画経験から再利用可能な戦略を自動抽出する手法を提案した。
- SPITE: 環境変化に対応する簡易多面体交差手法モーションプランニング2024/7/1
障害物位置の変化に応じてロードマップのノードとエッジの有効性を動的に更新する手法を提案し、従来より高速な更新と経路計画を実現した。
- 誘導付き動作計画のためのフレームワーク動作計画2024/4/1
ロボット動作計画における「誘導空間」の概念を定式化し、既存のサンプリングベース手法を統一的に扱う枠組みと、誘導の情報理論的評価法を提案した論文。
- 適応的ロボット協調：ハイブリッド多ロボット動作計画のための部分問題ベースアプローチ群制御2023/12/1
ロボット間の衝突を局所的な部分問題として解くことで、協調の度合いを動的に調整しながら多ロボットの動作計画を効率的に行うハイブリッド手法を提案した。
- ワークスペース誘導を活用したハイパーグラフによるスケーラブルなマルチロボット動作計画群制御2023/11/1
ワークスペースのトポロジー情報を利用してDaSHフレームワークを拡張し、狭い通路のある混雑環境で最大128台の移動ロボットの動作計画を効率的に行う手法を提案した。
- 動作計画におけるガイド空間の評価動作計画2022/10/1
動作計画アルゴリズムのサンプリングバイアスを「ガイド空間」として統一的に定義し、情報理論的な評価手法を提案して複数のアルゴリズムを分析した。
- トポロジカル誘導による混雑環境でのスケーラブルなマルチロボット動作計画群制御2022/10/1
単一ロボット向けのトポロジー誘導動作計画をマルチロボットに拡張し、狭い通路が多い混雑環境でも最大25倍のロボット数まで効率的に衝突回避経路を計画できる手法を提案した。
- ハイパーグラフに基づくマルチロボットのタスク・動作計画マニピュレーション2022/10/1
マニピュレータによる物体再配置のためのマルチロボットタスク・動作計画手法を提案し、ハイパーグラフ表現により計画空間を分解することで、既存手法より最大3桁高速かつ最大20物体の計画を可能にした。
- 産業用協働組立プロジェクトからの知見：研究と連携における教訓産業用協働ロボティクス2022/5/1
3つの学術研究グループと産業パートナーが協働し、サブセンチ精度の組立向け柔軟・安全・高生産性な製造セルを開発した産学連携プロジェクトの教訓を報告する。
- 競合ベース探索による表現最適なマルチロボット動作計画マルチロボット計画2019/9/1
異種エージェントの連続空間におけるマルチエージェント動作計画を、競合ベース探索(CBS)を拡張して解く手法を提案し、最大32エージェントや8自由度マニピュレータのチームで高速かつ高品質な計画を実現した。
