Julius Jankowski
収録論文 10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
- 拡散モデルによる分布型触覚センサの逆モデルを用いた物体姿勢推定触覚2026/1/1
分布型触覚センサの逆モデルを拡散モデルで学習し、パーティクルフィルタと統合することで、視覚情報なしに物体姿勢を推定する手法を提案。
- 人工皮膚のための拡散モデルに基づく逆観測モデル触覚2025/6/1
拡散モデルを用いて、人工皮膚からの触覚計測に基づき物体姿勢の接触仮説を効率的にサンプリングする逆観測モデルを学習した研究。
- ロボットエアホッケー選手権の回顧：実世界ロボティクスに向けた堅牢・信頼・安全な学習技術のベンチマークsim2real2024/11/1
NeurIPS 2023で開催されたロボットエアホッケー選手権を振り返り、sim-to-realギャップや安全性など実世界展開の課題をベンチマークし、学習と事前知識の組み合わせが有効であることを示した。
- ロボットエアホッケーにおける高速軌道最適化のための接触計画の蒸留マニピュレーション2024/7/1
接触を伴うロボット制御において、高レベルの接触計画を確率的制御方策から蒸留し、低レベルではモデル予測制御を行うことで、エアホッケーの高速かつ正確なショットを実現した。
- 準静的信念ダイナミクスと接触情報を活用したロバストプッシングマニピュレーション2024/4/1
物体を押す操作において、準静的な接触ダイナミクスを用いて不確実性の伝播を効率的に予測し、接触を考慮した軌道サンプリングと分散制約によりロバストな開ループ計画を生成する手法を提案した。
- CC-VPSTO: 不確実性下のオンラインロボット運動計画のためのチャンス制約付き経由点ベース確率的軌道最適化運動計画2024/2/1
不確実性下で制約を高い確率で満たす軌道を生成するため、チャンス制約最適化をモンテカルロサンプリングに基づく決定論的代理問題に変換し、勾配不要最適化でリアルタイムに解く枠組みを提案。シミュレーションとFranka Emikaロボットで有効性を示した。
- AiRLIHockey: 高反応性接触制御と確率的最適シューティングマニピュレーション2024/1/1
エアホッケーを対象に、確率的なパックと接触のダイナミクスを考慮し、シュート角度の確率的最適制御とサンプリングベースMPCを組み合わせた階層型フレームワークを実装し、シミュレーションと実機で評価した。
- VP-STO: 経由点ベースの確率的軌道最適化による反応的なロボット動作マニピュレーション2022/10/1
経由点を用いて空間と時間を同時に最適化し、タスク非依存ながら衝突回避などを組み込みつつリアルタイム制御を実現する軌道最適化フレームワークを提案した。
- 記憶を持つ反応的先読みロボットスキルマニピュレーション2022/9/1
システムレベル合成を非線形・非二次コストの追従問題に拡張し、過去の情報を記憶して先読み行動できるロボット制御を実現、Frankaロボットのピック&プレースで実証した。
- GANで学ぶロボット関節配置の制約付き分布動作計画2020/11/1
GANを用いて制約下での有効なロボット関節配置の分布を学習し、高自由度系の高速逆運動学や制約付き動作計画のサンプリング効率化を実現した。
