Keenan Burnett
収録論文 13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
- スピニングレーダオドメトリにおけるドップラー速度計測の有用性レーダオドメトリ2024/4/1
商用スピニングFMCWレーダのファームウェアを三角周波数変調に改変し、連続方位から動径ドップラー速度を抽出して自己速度推定に活用、幾何学的に厳しい環境でもオドメトリ精度を向上させた。
- IMUを入力とするか状態の観測とするか:慣性支援状態推定における比較状態推定2024/3/1
IMUを運動モデルの入力として扱う従来手法と、連続時間状態推定で状態の観測として扱う手法を比較し、LiDAR慣性オドメトリで最先端性能を示した。
- ガウス過程運動事前分布を用いた連続時間レーダー慣性・LiDAR慣性オドメトリオドメトリ2024/2/1
ガウス過程運動事前分布を用いて、連続時間のレーダー慣性オドメトリとLiDAR慣性オドメトリを実現し、IMUを組み込むことでレーダーオドメトリの性能を43%改善した。
- 道を示す:学習済みICP重みによるレーダー・ライダー位置推定の改良位置推定2023/9/1
レーダー点群に学習ベースの重み付け前処理を施し、ICPによるライダーマップへの位置合わせ精度を向上させる手法を提案。微分可能なICPライブラリも公開。
- 速度重視:ドップラー速度を用いた高速・対応付け不要なLiDAR慣性オドメトリLiDARオドメトリ2023/3/1
FMCW LiDARのドップラー速度とジャイロを組み合わせ、データ対応付けなしで6自由度速度を線形推定し、姿勢を積分する高速オドメトリを提案。実走行データでICP系手法と比較し、精度と計算量のトレードオフを示す。
- ドップラー速度計測を用いた連続時間LiDARオドメトリオドメトリ2022/9/1
FMCW LiDARのドップラー速度計測を活用し、幾何学的に退化した環境でも高精度に動作する連続時間LiDARオンリーオドメトリを提案した論文。
- Boreas:季節変動を含む自動運転データセット自動運転データセット2022/3/1
1年間同じルートを走行して収集した、季節変化や悪天候を含む自動運転向けの大規模データセットを構築した。
- 全天候マッピングと自己位置推定においてレーダーはライダーを置き換えられるか?自己位置推定2022/3/1
Boreasデータセットを用いてレーダーのみ・ライダーのみ・レーダーとライダーのクロスモーダルな自己位置推定を季節や天候を変えて比較し、吹雪でもライダーが最高精度だった一方、レーダーは小さい地図で競争力のある精度を達成した。
- 確率的推定と教師なし特徴学習を組み合わせたレーダーオドメトリレーダーオドメトリ2021/5/1
正解姿勢データなしで、確率的軌道推定と深層学習特徴を組み合わせたレーダーオドメトリ手法を提案し、悪天候下でも有効性を示した。
- スピニングレーダーナビゲーションにおける運動歪みとドップラー効果の補償は必要か?レーダーオドメトリ2020/11/1
スピニングレーダーを用いたオドメトリと位置推定において、運動歪みとドップラー効果が与える影響を実データで評価し、両効果を考慮した軽量推定器の有効性を示した。
- Zeus: 自動運転競技AutoDriveで2連覇を達成したシステムの解説自動運転2020/4/1
学生チームaUTorontoが開発した自動運転車Zeusのシステム構成(センサ群・ソフトウェア・チーム運営)と、交差点・歩行者・信号対応を競うSAE AutoDrive Challenge第2年での優勝内容をまとめた論文。
- aUToTrack: 自動運転チャレンジ向け軽量物体検出・追跡システム物体検出・追跡2019/5/1
GPSで歩行者の位置と速度を正解ラベル付けした新データセットUofTPed50を構築し、視覚・LiDAR・GPS/IMUを統合してCPUのみでリアルタイムに歩行者を検出・追跡する軽量システムaUToTrackを提案した。
- 6ヶ月で優勝する自動運転車の構築自動運転2018/11/1
SAE AutoDrive Challengeで優勝したチームが、事前地図に頼らずCPUのみでリアルタイム動作するマルチセンサ視覚自己位置推定とシンプルで堅牢なアルゴリズムによる自動運転システムを6ヶ月で開発したことを報告する論文。
