Jan Swevers
収録論文 29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
- 都市運河における自律航行船のための相互作用を考慮したサンプリングベース運動計画船舶自律航行2026/10/30
都市水路を航行する自律船が他船と交通規則を考慮しつつ衝突やデッドロックなく航行できるよう、モデル予測パス積分制御に基づく分散型計画手法を提案し、実運河地図と実機で検証した。
- 自己再構成型ロボットボートの安全保証付き分散動作計画群制御2026/7/1
水中自己再構成ロボットの形状形成と再構成のため、分散MPCと制御バリア関数を組み合わせたハイブリッドフレームワークを提案し、衝突回避の安全性を保証する。
- 制御バリア関数を用いた安全なポリトープ内ポリトープ運動計画と制御運動計画/制御2026/6/1
ロボットのポリトープ形状のフットプリントを、連続的に更新される凸自由空間領域内に保証する安全な局所運動計画・制御手法を提案。モデル予測制御内で離散時間制御バリア関数制約として包含条件を定式化し、障害物数に依存しない計算効率を実現。
- 非微分平坦システム向け連続安全性保証付き高速スプライン時間最適運動計画運動計画2026/3/1
分離超平面の決定を最適制御問題から分離し、線形システムや二次計画で解くことで、障害物回避のための非凸制約を線形化し、計算時間を最大60%削減しつつ連続的な安全性を保証する手法を提案した。
- 産業用磁気浮上プラットフォームにおけるマルチエージェント動作計画：ハイブリッドADMM-HOCBFアプローチ群制御2026/3/1
本論文は、ホロノミックなマルチエージェントシステム向けに、分散型ADMMと中央集権型HOCBFを組み合わせたハイブリッド動作計画法を提案し、実機の磁気浮上プラットフォームで有効性を実証した。
- 構造化環境におけるホロノミック車両のための高速準時間最適運動計画運動計画2026/2/1
磁気浮上式ホロノミック車両のための、自由空間コリドーと運動プリミティブを用いた最適化ベースの準時間最適軌道生成手法を提案し、シミュレーションと実機で検証した。
- 矩形回廊表現による非ホロノミック移動ロボットの高速動作計画移動ロボット動作計画2026/2/1
構造化環境を重なり合う矩形回廊のグラフに分解し、探索空間を削減して非ホロノミック移動ロボットの準時間最適で運動学的に実行可能な軌道を高速に生成するフレームワークを提案した。
- 文脈条件付き拡散モデルによる高速マルチモーダル動作計画マニピュレーション2025/10/1
センサ非依存の文脈情報を条件とする拡散モデルで、未知環境にも汎化するロボット動作計画手法を提案し、7自由度マニピュレータで高速かつ高品質な軌道生成を実現した。
- 予測制御と適応的バリア関数を用いた自律表面船舶の安全な運動計画と制御運動計画2025/10/1
MPCと制御バリア関数を組み合わせ、障害物との相対位置に応じて膨張半径を適応させることで、狭い水路でも安全かつ保守的すぎない自律船舶の運動計画を実現した。
- Inland-LOAM: 内陸水路航行のためのボクセルベース構造的セマンティックLiDARオドメトリとマッピングSLAM2025/8/1
内陸水路でのLiDAR SLAMにおける垂直ドリフトを水面平面制約で抑え、3D点群をボクセル解析で2Dセマンティックマップに変換して橋梁クリアランス等の航行パラメータをリアルタイム算出するフレームワークを提案。
- 最小二乗サポートベクターマシンによる最適制御の衝突回避の分離運動計画2025/5/1
凸形状に対する微分可能な非凸衝突回避制約を、分離超平面定理を分類問題として捉えることで線形制約に変換し、最適制御問題の計算を高速化する手法を提案した。
- モバイルロボットの経路計画のための高速化Reeds-Shepp法と終端姿勢未指定Reeds-Shepp法経路計画2025/4/1
幾何学的推論により最適なReeds-Shepp経路計算を高速化し、終端姿勢が未指定の問題にも対応した手法を提案。従来比15倍の高速化を実現し、オープンソース実装を公開。
- 不確実性下におけるロバスト化された時間最適点間運動計画と制御運動計画2025/1/1
不確実性を考慮し、固定時間グリッドの第1段階と可変時間グリッドの第2段階を組み合わせたロバスト2段階最適制御問題を定式化し、フィードバックゲインと状態共分散を最適化することで時間最適性と安全性を両立する手法を提案。
- 2次元格子における大域最適な一対全経路計画のための厳密な波面伝播経路計画2024/9/1
2次元格子上で可視性に基づく解析的距離関数を利用し、O(n)の計算量とメモリで大域最適な一対全経路を厳密に計算するアルゴリズムを提案した。
- 単一軌道から変形可能な線状物体のダイナミクスを学習変形物体操作2024/7/1
変形可能な線状物体を剛体の連鎖と弾性関節でモデル化し、物理情報を組み込んだニューラルODEを30秒のデータだけで学習して高精度な運動予測を実現した。
- カルテシアングリッドマップにおける2次元可視性問題の効率的解法とヒューリスティック経路計画への応用経路計画2024/3/1
2次元グリッドの可視性問題を線形一階双曲型偏微分方程式のエントロピー満足上流スキームで解き、O(n)の計算量で全グリッドの可視性を一度に評価する手法を提案し、それをヒューリスティックとして局所解のない経路計画に応用した。
- 時間最適な点間運動計画：二段階アプローチ運動計画2024/3/1
固定時間グリッドと可変時間グリッドを組み合わせた二段階の時間最適運動計画法を提案し、非同期NMPCと統合してオンライン再計画を可能にした。
- 微分可能な最適制御を通した視覚からの運転自動運転2024/3/1
カメラ画像から非線形モデル予測制御(NMPC)を微分可能にしてエンドツーエンドで学習し、人間の運転デモを模倣する自動運転制御器を実現した研究。
- ASAP-MPC: 非線形モデル予測制御によるオンライン軌道計画のための非同期更新スキームMPC/軌道計画2024/2/1
NMPCの計算時間が変動・長大化しても非同期更新で完全収束とリアルタイム実行を両立し、線形状態フィードバックで軌道追従を安定化する手法を提案。ドローンやトラック・トレーラの実験で有効性を示した。
- PV-OSIMr: デラサス行列を計算する最小次数計算量アルゴリズムダイナミクス計算2023/10/1
運動学的木構造に対するデラサス行列（逆操作空間慣性行列）を、既存手法より低い計算量O(n+m^2)で計算するPV-OSIMrを提案し、その最適性と実用上の効率性を示した。
- PRIEST: 投影誘導サンプリング最適化による自律ナビゲーションナビゲーション2023/9/1
未知・動的環境での移動ロボットのナビゲーションにおいて、サンプリングベースの軌道最適化に投影最適化を組み合わせ、局所解に陥りにくくリアルタイム性も確保した手法を提案。ROS上で成功率と移動時間を改善。
- 擬似剛体ネットワーク：部分観測から解釈可能な変形物体ダイナミクスを学習変形物体モデリング2023/7/1
変形する線状物体（DLO）を擬似剛体（PRB）モデルに基づく剛体リンクとして表現し、物理情報を組み込んだエンコーダと動力学ネットワークを組み合わせて、部分観測から解釈可能かつ高精度なダイナミクス予測を実現した。
- IMPACT: 非線形モデル予測制御の仕様記述・プロトタイピング・実装のためのツールチェーン制御/最適化2023/3/1
非線形モデル予測制御(NMPC)の仕様記述から自動コード生成までを支援するPython製ツールチェーンIMPACTを提案し、Simulinkを用いた組込みハードウェアへの実装例を示した。
- MPCによるトラック・トレーラの自律走行の運動計画マニピュレーション2023/2/1
トラック・トレーラ型自律移動ロボットの後退駐車などの複雑な操縦を、経路を重複する回廊列に分割し、MPCと低コストフィードバック制御を組み合わせてオンラインで軌道生成・追従する手法を提案し、実験で検証した。
- 柔軟ロボットのための非線形モデル予測制御の安全な模倣学習模倣学習2022/12/1
柔軟ロボットのNMPCを模倣学習と予測安全フィルタで安全に近似し、計算時間を8倍以上短縮しつつ安全性を保証する手法を提案。
- 人間らしい自動運転のためのMPCベース模倣学習の評価自動運転2022/11/1
模倣学習と微分可能なモデル予測制御(MPC)を組み合わせ、人間らしい自動運転を実現する手法を評価した。開ループと閉ループの両方で安全性・快適性・人間らしさを測定し、閉ループ訓練による堅牢性向上も示した。
- 学習制御によるロボットマニピュレータの柔軟物体ハンドリング時の振動抑制マニピュレーション2022/11/1
ロボットの内界センサのみを用いた反復学習制御により、柔軟物体の残留振動を抑える最適軌道を生成する手法を開発し、従来法より大幅に振動を低減した。
- ロボットマニピュレータによる柔軟梁の最適開ループ操作戦略マニピュレーション2022/10/1
柔軟な梁をロボットで操作する際の振動を抑えるため、振り子モデルと開ループ最適制御を用い、外部センサなしで残留振動を90%以上低減する手法を提案。
- MPCを微分可能層として用いた安全で人間らしい自動運転の模倣学習自動運転2022/6/1
MPCを階層型模倣学習ポリシー内の微分可能な制御層として組み込み、人間の運転デモから安全な車線維持制御器をエンドツーエンドで学習する手法を提案した。
