Martin Sundermeyer

収録論文 6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

• BOPチャレンジ2023：既知・未知の剛体物体の検出・セグメンテーション・姿勢推定
  6D姿勢推定2024/3/1

  訓練時に未知の物体を短時間で学習する新タスクを含む6D物体姿勢推定の公開コンペBOP Challenge 2023の評価手法・データセット・結果を報告した論文。

• 近似3Dモデルを用いた軌道上ロボティクスのための6D物体姿勢推定
  姿勢推定2023/3/1

  単一画像から物体の6D姿勢を推定する手法を提案。3Dモデルが近似でも、密な2D-3D対応予測と誤差推定により複数の姿勢仮説を生成・洗練し、過酷な視覚条件下でも高精度を実現。

• Contact-GraspNet：混雑環境での効率的な6自由度把持生成
  把持生成2021/3/1

  深度画像から点群を直接入力とし、把持接触点を基準に4自由度に次元削減した表現で6自由度パラレルジョー把持を生成するエンドツーエンドネットワークを提案。実環境の混雑場面で90%超の成功率を達成。

• BOPチャレンジ2020：6D物体位置推定の評価
  6D姿勢推定2020/9/1

  RGB-D画像からの6D物体姿勢推定の公開コンペBOP Challenge 2020の評価手法・データセット・結果を報告し、フォトリアルな合成訓練画像の有効性と深層学習手法の台頭を示した。

• ロボット動作から自己教師ありで把持物体をセグメンテーション
  セグメンテーション2020/2/1

  RGB動画のオプティカルフローと時間的手がかりを利用し、ロボットが把持した未知物体のセグメンテーションマスクを自己教師ありで学習する手法を提案した。

• BlenderProc：CNN学習用のリアルな画像を生成するモジュラーパイプライン
  sim2real2019/11/1

  Blenderを拡張し、セグメンテーションや深度・法線・姿勢推定などのCNN学習に使えるリアルな合成画像を生成するモジュール式パイプラインを提案した。