Matthew Gadd
収録論文 30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
- 草の成長を観測する：自律的な生物多様性モニタリングのための長期視覚ナビゲーションとミッション計画視覚ナビゲーション2024/4/1
動的に変化する草原環境で6週間にわたり植物群落を監視する自律ロボットシステムを実証し、複雑な自然環境での視覚ナビゲーションとミッション計画の課題を議論した。
- それ、私のポイントです：大規模屋外位置推定のためのコンパクトな物体中心LiDAR姿勢推定位置推定2024/3/1
LiDARスキャンをセマンティック物体の重心とクラスに圧縮し、自己・相互相関に基づく物体マッチングでスキャン間の相対姿勢を推定する手法を提案。KITTIで高精度な位置推定を実現。
- オックスフォード・オフロード・レーダーデータセット位置認識2024/3/1
スコットランド高地の悪天候下で収集した、GPS/INS参照付きのミリ波レーダースキャンデータセットを公開し、レーダー位置認識のベンチマークを提供する。
- VDNA-PR: 汎用データセット表現を用いた頑健な逐次視覚的位置認識視覚的位置認識2024/3/1
画像データセット表現VDNAを軽量エンコーダで変換し、ドメインシフトに強い逐次視覚的位置認識記述子を生成する手法を提案した。
- 未ラベルデータからの不確実性推定によるセマンティックセグメンテーションの分布シフト緩和セマンティックセグメンテーション2024/2/1
ラベルなしデータを活用し、データ拡張に対する一貫性を選択的に強制することで不確実性推定を学習し、自動運転向けセグメンテーションの分布シフトに対処する手法Gamma-SSLを提案。
- マスク付きガンマSSL：マスク画像モデリングによる不確かさ推定の学習不確かさ推定/セグメンテーション2024/2/1
マスク画像モデリングを活用し、単一の順伝播で高品質な不確かさ推定を行うセマンティックセグメンテーションネットワークを提案。SAXベンチマークで既存手法を上回る。
- RAG-Driver: 検索拡張インコンテキスト学習による汎化可能な運転説明生成VLA2024/2/1
マルチモーダル大規模言語モデルに検索拡張インコンテキスト学習を組み込み、未学習環境でも高精度な運転行動の説明と制御信号予測を実現した。
- Open-RadVLAD: 高速で堅牢なレーダー位置認識位置認識2024/1/1
レーダースキャンを極座標表現と1次元フーリエ変換、VLAD集約で符号化し、都市走行における位置認識を高速かつノイズに強く行う手法を提案。
- Robot-Relay: 学習型センサハンドオーバーネットワークによる建物全体のキャリブレーション不要ビジュアルサーボビジュアルサーボ/マルチカメラ2023/10/1
カメラ間の位置・姿勢・距離のキャリブレーションを一切必要とせず、追跡スレッドでの同時ロボット検出から視点間のトポロジカルな接続を学習し、オフィス内の6台のカメラネットワークを介した自律移動を実現した。
- 見たままが得られるもの：深層ニューラルデータセット間類似度による経験ランキングとトポロジカルローカリゼーションローカリゼーション2023/10/1
画像データセット間の類似度を測るVisual DNAを用いて、異なる天候・照明・季節の下でのローカリゼーション性能を事前にランク付けする手法を提案し、その有効性を検証した。
- SEM-GAT: 学習済みグラフアテンションによる説明可能なセマンティック姿勢推定SLAM/位置推定2023/8/1
環境のセマンティクスと局所形状をグラフニューラルネットで活用し、LiDAR点群の位置合わせ候補を高精度かつ少ないパラメータで推定する手法を提案。
- 車輪ロボットのビジュアルサーボ：遠隔視点制御におけるロバストな姿勢推定ビジュアルサーボ2023/6/1
ロボットや環境の事前知識を必要とせず、弱教師あり学習で短時間に大量のデータを生成し、遠隔カメラ画像からロボットの向きを高精度に推定するビジュアルサーボのパイプラインを提案。新しい環境への展開を30分以内に可能にした。
- レーダーによる場所認識の不確実性を考慮した内省的なクエリと地図管理位置認識2023/6/1
FMCWレーダーを用いた場所認識において、埋め込み空間の分散特性を学習し、不確実性に基づくクエリ棄却と地図管理を行う手法を提案し、Oxford Radar RobotCarとMulRanデータセットで最先端性能を達成した。
- 巡り巡って：レーダーオドメトリにおける定曲率運動制約の活用レーダーオドメトリ2022/6/1
非ホロノミックロボットの滑らかな運動制約を利用して、単一のランドマーク対応から自己運動を推定し、外れ値検出を改善することでレーダーオドメトリの精度を向上させる手法を提案した。
- BoxGraph: 3D LiDARによる意味的場所認識と姿勢推定位置認識2022/6/1
LiDAR点群を物体インスタンスのグラフとして表現し、グラフマッチングにより高精度かつ軽量な場所認識と6自由度姿勢推定を実現した。
- Fast-MbyM：フーリエ変換の並進不変性を活用した高速・高精度レーダーオドメトリレーダーオドメトリ2022/3/1
フーリエ変換の並進不変性を利用して角度と並進の探索を分離し、CPUや組み込み機器でもリアルタイム動作可能な高速レーダーオドメトリ手法を提案した論文。
- Depth-SIMS：セグメンテーションと深度を備えた合成データ生成データ生成2022/3/1
RGB画像・セグメンテーションマップ・疎深度マップを整合させて合成し、インペインティングで高品質画像と密深度に変換する手法を提案。生成データはセマンティックセグメンテーションと深度補完の学習に有効であることを示した。
- 教師なし対照学習によるレーダー位置認識位置認識2021/10/1
移動体が収集したレーダー画像列の時間的連続性をデータ拡張に活用し、教師なし対照学習で位置認識用の埋め込み表現を学習。都市レーダーデータセットで従来手法を上回る精度を達成した。
- レーダー動画を用いた教師なし深層埋め込み学習による場所認識場所認識2021/6/1
レーダー画像列から教師なしで埋め込みを学習し、複雑なレーダーデータでの場所認識を高精度に解決する手法を提案した。280kmのデータで98.38%の正解率を達成し、教師あり手法を上回った。
- オックスフォード道路境界データセット自動運転/データセット2021/6/1
自動運転向けに道路境界を検出する機械学習用の大規模データセットを構築し、手動・半自動注釈で6万件超のサンプルを公開した論文。
- 一度だまされたら: 対照学習とOoD検出による堅牢な選択的セグメンテーションセグメンテーション2021/3/1
対照学習とデータ拡張を用いてセグメンテーションと画素ごとの分布外検出を同時に行い、未知領域を拒否することで実世界の異常運転シーンでIoUを0.2改善した。
- SAX：困難な実世界の運転シナリオで自動運転車への信頼を築く自動運転2020/5/1
自動運転システムの保証と規制の障壁を克服するため、環境を頑健に認識し、自己能力を評価し、その解釈と評価の因果的説明を提供するロボットの研究開発を実世界で実証する取り組みを述べた論文。
- 芝生には入るな：音声による弱教師あり学習でレーダーから走行可能ルートを推定走行可能領域認識2020/5/1
音声分類器で地形ラベルを推定し、そのラベルをレーダースキャンに付与することで、悪天候でも機能するレーダーによる走行可能領域のセグメンテーションを弱教師あり学習で実現した。
- FMCWレーダによる弱教師あり多クラス意味セグメンテーションレーダ知覚2020/4/1
FMCWレーダのスキャンをカメラとLiDARの既存セグメンテーション結果で弱教師あり学習し、悪天候や長距離に強いレーダのみで環境の意味セグメンテーションを実現した。
- 周囲を見渡せ：学習された回転不変性を備えた系列ベースのレーダー位置認識位置認識2020/3/1
FMCWレーダーのスキャンに回転不変な埋め込みを学習させ、系列ベースの軌跡マッチングに統合することで、逆方向走行時でも高精度に位置認識できる手法を提案し、都市走行26kmで近傍探索法より再現率を30%向上させた。
- 交通による遮蔽に強いLiDAR横方向自己位置推定自己位置推定2020/3/1
車両に遮られて見えない道路境界をディープニューラルネットで推定し、LiDARによる横方向の自己位置推定の頑健性を向上させた研究。オックスフォード中心部40kmの走行で性能改善を実証した。
- Oxford RobotCarデータセット向けリアルタイムキネマティック高精度真値位置推定・地図構築2020/2/1
大規模Oxford RobotCarデータセットに、GPS・IMU・GNSS基準局の後処理により年間を通じたセンチメートル精度の全球整合な真値を付与し、長期自律走行の位置推定・地図構築ベンチマークを可能にした。
- 回転不変メトリック学習による大規模トポロジカルレーダー自己位置推定自己位置推定2020/1/1
FMCW走査レーダーの極座標スキャンを円筒畳み込みと方位方向マックスプーリングで回転不変に埋め込み、大規模都市走行データでトポロジカルな場所認識を実現した。
- Oxford Radar RobotCarデータセット：自動運転向けミリ波レーダ拡張データセットデータセット/レーダ2019/9/1
オックスフォード市内を走行したミリ波FMCWレーダとLiDAR・カメラ等の大規模データセットを公開し、悪天候に強いレーダを用いたシーン理解研究を促進する。
- データマーケット：分散型視覚自己位置推定のためのポリシー分散自己位置推定2018/1/1
共通環境で活動するロボット群が経験マップを取引する分散型マーケットを提案し、Oxford RobotCarデータセットで自己位置推定の改善を実証した。
