Jose Andres Millan-Romera
収録論文 11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
- 自己回帰拡散による3Dシーングラフの高レベル概念生成3Dシーングラフ生成2026/8/28
3Dシーングラフの構造と特徴を統一的に学習する自己回帰拡散モデルを提案し、観測された垂直平面から任意の階層深さで完全な3DSGをボトムアップに構築する。
- SLAMのための意味的関係生成によるロバストなグラフマッチングSLAM2026/4/1
RGB-Dデータから検出した物体と構造要素(部屋や壁面)との関係をモデル化し、幾何検証前に候補対応を絞り込むことで、対称な環境でも頑健なグラフマッチングを実現する手法を提案した。
- 事前地図を活用したロボット位置推定のための学習ベース階層シーングラフマッチング位置推定2026/4/1
ロボットのセンサデータから構築したシーングラフとBIMなどの事前地図を階層的にマッチングし、SLAMのドリフト補正を高速かつ高精度に行う学習ベース手法を提案した。
- 構造化ビヘイビアツリーと大規模言語モデルによる解釈可能なロボット制御VLA2025/8/1
大規模言語モデルとビヘイビアツリーを組み合わせ、自然言語指示をロボットの実行可能な行動に変換するフレームワークを提案し、実環境で約94%の認識・実行精度を達成した。
- 3Dシーングラフを活用した状況認識型経路計画経路計画2025/8/1
屋内3Dシーングラフのメトリック・セマンティック構造を利用し、意味グラフ探索と並列サブ問題分解により経路計画を高速化するS-Pathを提案した。
- DYNEMO-SLAM: 動的エンティティと運動を考慮した3DシーングラフSLAMSLAM2025/3/1
動的な物体やエージェントを地図から除外せず、その姿勢と運動をSLAMのバックエンドで同時推定する3DシーングラフベースのSLAMフレームワークを提案し、動的環境での軌跡精度を大幅に改善した。
- グラフニューラルネットワークによる因子分解型3Dシーングラフでの不確かさを考慮した高レベル空間概念の生成SLAM/シーングラフ2024/9/1
観測された垂直平面から部屋や壁などの高レベル空間概念をオンラインで学習し、SLAMバックエンドの最適化因子として導入することで、手作業の概念生成・因子設計・共分散指定を不要にした手法を提案。
- 不正確な建築図面と密結合したSLAMSLAM2024/8/1
建築図面と実環境のずれを考慮し、LiDAR SLAMと図面を密結合して自己位置推定と構造偏差をリアルタイム推定する手法を提案。
- SLAMのための高レベル意味関係概念の学習SLAM2023/10/1
グラフニューラルネットワークを用いて、低レベル因子グラフから部屋や壁といった高レベルの意味関係概念を推論する手法を提案し、SLAMの精度を向上させた。
- 建築図面を活用したグラフベースのロボット大域SLAMSLAM2023/5/1
建築図面から生成したグラフとロボットがオンラインで構築するグラフを照合・統合し、事前知識を活かした大域的な自己位置推定と地図構築を実現する手法を提案。
- 建築図面を用いた脚式ロボットのグラフベース大域自己位置推定自己位置推定2023/3/1
建築図面から抽出した建築グラフとロボットがオンラインで推定する状況グラフをグラフマッチングで統合し、脚式ロボットの大域自己位置推定を実現した。
