Lucas Janson
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
- 汎用到達可能性解析のための簡便で効率的なサンプリングベースアルゴリズム到達可能性解析2021/12/1
入力をサンプリングして真の到達可能集合内の像を評価し、εパディング付き凸包を集合推定器とする汎用的な到達可能性解析アルゴリズムを提案し、ランダム集合論による精度保証とニューラルネット検証・ロバストMPCへの応用を示した。
- 把持精緻化アルゴリズムにおける触覚センシングの役割触覚2021/9/1
強化学習による多指ハンドの把持精緻化において、報酬に接触位置・法線・力を組み込むと成功率が大幅に向上し、訓練時に触覚報酬を使えば展開時は状態に触覚情報が不要になることを示した。
- 未知環境における地図予測型動作計画ナビゲーション2019/10/1
周囲の観測から未観測領域の地図をデータ駆動で予測し、その予測地図を用いてフロンティア選択なしに目標までの軌道を計画する手法を提案した。
- RRT*の漸近最適性の再検討経路計画2019/9/1
RRT*の最適性証明の論理的なギャップを指摘し、時間次元を考慮して接続半径を大きくすべきとする厳密な代替証明を与えた論文。
- 未知環境における安全な動作計画:最適性の基準と実用的な方策動作計画2018/4/1
障害物が事前に未知でオンラインで明らかになる環境での安全な経路計画に対し、比較分析に基づく最適性の基準を提案し、衝突を保証しつつ事前・学習情報を組み込める準最適方策を導出した。
- 双方向探索による漸近最適なサンプリングベース運動計画アルゴリズム運動計画2015/7/1
FMT*を双方向探索に拡張したBFMT*を提案し、遅延探索と漸近最適性を保ちながら単方向版や既存手法より優れることを実験で示した。
- 決定論的サンプリングに基づく運動計画:最適性・計算量・性能運動計画2015/5/1
PRMを決定論的低分散サンプリング列で構成すると漸近最適性が成り立つことを示し、収束率と計算・空間計算量を明らかにした論文。
- 不確実性下のロボット軌道最適化のためのモンテカルロ運動計画運動計画2015/4/1
LQG追従制御器の実行をモンテカルロサンプリングして衝突確率を見積もり、分散低減手法でリアルタイム化を図りつつ、障害物の膨張・縮小を繰り返して確率的衝突回避制約を満たす低コスト経路を計画する手法を提案した。
- ドリフトを伴う微分制約下の最適サンプリングベース運動計画:線形アフィン力学系の場合運動計画2014/5/1
慣性で即座に停止できないドリフト制御系に対し、サンプリングベースアルゴリズムの漸近最適性を保証する理論枠組みを構築し、線形アフィン系で収束率の具体的な上界を与えた。
- ドリフトレス微分制約下における最適サンプリングベース運動計画運動計画2014/3/1
ドリフトレス制御アフィン系に対するサンプリングベース運動計画の最適性保証の理論枠組みを構築し、最適解への確率収束を保証する2つの新アルゴリズムを提案・解析した。
- 高速マーチング木法:高次元最適運動計画のための高速サンプリングベース手法運動計画2013/6/1
高次元空間での最適運動計画を高速に解くサンプリングベース手法FMT*を提案し、PRM*やRRT*より速く最適解に収束することを示した論文。
