Lei Tai
収録論文 16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
- MLOD: 自律走行のためのマルチLiDAR 3D物体検出における外部摂動の認識3D物体検出2020/10/1
マルチLiDARの外部キャリブレーション誤差が3D物体検出に与える影響を解析し、各点に不確実性事前分布を伝播させて2段階で融合・補正する検出器MLODを提案した。
- MonoPair: 隣接ペアの空間関係を利用した単眼3D物体検出3D物体検出2020/3/1
隣接する物体ペアの位置と3D距離を不確実性付きで予測し、非線形最小二乗で統合最適化することで、遮蔽された物体の単眼3D検出精度を向上させた研究。
- 深層強化学習による高速自律ドリフト制御強化学習/自動運転2020/1/1
運動方程式を使わずモデルフリー深層強化学習(SAC)でドリフト制御器を構築し、未知のコースや車両特性でも安定して高速ドリフトを実現した。
- 視線情報で模倣学習ネットワークの未知環境への汎化を強化模倣学習2019/7/1
自動運転の模倣学習に人間の視線データを組み込み、未見環境への汎化性能が向上することを示した研究。
- 注視変調ドロップアウトによる注視訓練で模倣学習を改善模倣学習2019/4/1
人間の注視パターンをドロップアウトの変調として畳み込みネットワークに暗黙的に組み込み、未見シーンへの汎化性能と操舵予測精度を向上させた研究。
- 不確実性を考慮した視覚ベース自動運転の展開自動運転2019/3/1
テスト画像を学習ドメインに変換する際に確率的生成器で多様な画像を作り、不確実性を考慮した模倣学習ポリシーで最も不確実性の低い安全な行動を選択する手法を提案した。
- 好奇心駆動探索による地図なしナビゲーションの深層強化学習ナビゲーション2018/4/1
深層強化学習に好奇心に基づく内的報酬を加え、地図情報なしで移動ロボットが目標へナビゲーションする方策を学習させる手法を提案し、未知環境への汎化性能が向上することを示した。
- ロボット用VRゴーグル:視覚制御のための実世界からシミュレーションへのドメイン適応sim2real2018/2/1
実世界の画像をシミュレーション風に変換してから強化学習ポリシーに入力することで、シミュレーションで学習した視覚制御ポリシーを実環境へ転移する手法を提案した論文。
- 生の深度入力から社会規範に沿うナビゲーションを実現する生成的敵対的模倣学習ナビゲーション2017/10/1
GAILを用いて、歩行者位置などの事前情報なしに生の深度画像のみから社会的に配慮した移動ロボットのナビゲーションを学習・実時間実行する手法を提案した。
- 深層強化学習による多地形ロボットのフリッパー連続制御強化学習/移動ロボット2017/9/1
DDPGを用いて、フリッパー付きクローラロボットのフリッパー角度を連続的に制御するエンドツーエンドの強化学習アルゴリズムを開発した。
- ニューラルSLAM:外部メモリを用いた探索学習SLAM2017/6/1
外部メモリへの注意機構にSLAMの手続きを組み込み、強化学習エージェントが長期記憶を要する未知環境を探索できるようにした研究。
- 仮想から現実への深層強化学習:地図なしナビゲーションのための移動ロボットの連続制御sim2real2017/3/1
10次元の距離センサ情報と目標位置を入力に、強化学習で地図不要の連続操舵プランナを学習し、未知の仮想・実環境で衝突なく目標到達できることを示した。
- 補助物体も人手も不要な3D距離センサとカメラの外部キャリブレーションキャリブレーション2017/3/1
チェスボードなどの補助物体や人手による対応付けを一切必要とせず、各センサの自己運動から初期外部パラメータを推定し、画像と点群の線特徴対応を反復精緻化することで距離センサとカメラの外部キャリブレーションを自動化した研究。
- ロボット制御のための深層学習手法サーベイ:強化学習から模倣学習まで強化学習/模倣学習2016/12/1
ロボットの制御方策を深層学習で獲得する研究を、深層強化学習と模倣学習の2大パラダイムに分けて体系的に整理したサーベイ。
- 深層強化学習による移動ロボットの認知的探索深層強化学習/探索2016/10/1
RGB-Dセンサの深度画像のみを入力とし、Deep Q-Networkで移動コマンドのQ値を推定する移動ロボットの探索手法を提案。ラベル付け不要のend-to-end学習で未知環境に適応できることを示した。
- PCA支援によるマルチチャネルfMRIの意味的セグメンテーション向け全畳み込みネットワーク医用画像セグメンテーション2016/10/1
PCAで次元圧縮したマルチチャネルfMRIに対し、転移学習した全畳み込みネットワークで画素単位の意味的セグメンテーションを行う手法を提案し、境界が不明瞭な病変のラベリングを高精度・高速に実現した。
