Markus Spies
収録論文 7本 ・ フィジカルAI/ロボット学習
視覚特徴学習マニピュレーション
※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
- サイクル対応損失:ラベルなし・順序なしRGB画像からの密な視点不変特徴学習視覚特徴学習2024/6/1
未ペアのRGB画像のみを用い、サイクル整合性に基づく損失で視点不変な密な特徴記述子を自己教師あり学習する手法を提案し、キーポイント追跡とロボット把持タスクで性能を向上させた。
- ロボットビンピッキングのための6自由度把持の効率的なエンドツーエンド検出マニピュレーション2024/5/1
パワースフェリカル分布に基づく把持分布モデルを導入し、単一の上面深度画像から多様な衝突のない6自由度把持を生成する手法を提案。シミュレーションと実機で約90%の物体除去率を達成した。
- e-Bikeモーター組立:フレキシブル生産のための高度ロボットマニピュレーションマニピュレーション2023/4/1
e-Bikeモーター組立を題材に、現場で教示可能な知覚・スキル学習・タスク順序・オンライン適応を統合した適応型ロボット組立フレームワークを提案・実証した。
- 画像拡張を用いたロボットマニピュレーションのための密な視覚記述子の学習マニピュレーション2022/9/1
固定カメラで撮影したRGB画像のみから、画像拡張で合成した視点と対応点を用いて視点不変な密な視覚記述子を自己教師あり学習する手法を提案し、ビンピッキングに応用した。
- 多物体ロボットマニピュレーションのためのDense Object Netsの効率的で堅牢な学習マニピュレーション2022/6/1
複数物体の操作に向けて、データ収集と学習を簡素化し、新しい損失関数と拡張手法を導入することで、Dense Object Netsを高精度かつ堅牢に学習させるフレームワークを提案した。
- 最適記述子を用いたDense Object Netsの教師あり学習:産業ロボット応用マニピュレーション2021/2/1
物体の3DモデルからLaplacian Eigenmapsで記述子空間を生成し、DONsを教師あり学習することで、小型・反射物体でも高精度な6D把持を実現した。
- 物体中心型操作スキルの学習と産業タスクへの系列化マニピュレーション2020/8/1
物体中心の隠れセミマルコフモデルで操作スキルを学習し、リーマン最適制御でスキル間を滑らかにつないで産業用組立タスクを実行する手法を提案した論文。
