Matthias Humt
収録論文 8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
- 支援ロボティクスにおける未知物体把持マニピュレーション2024/4/1
ステレオ画像から未知物体を3D再構成し、ユーザーが共有制御で把持方向を指示、物理ベースの把持計画で安定把持を実現するパイプラインを提案。
- 形状補完と把持予測を組み合わせた多指ハンドによる高速で汎用的な把持マニピュレーション2023/10/1
単一視点の深度画像から物体形状を補完し、その形状に基づいて多指ハンドの把持姿勢を高速に予測する深層学習パイプラインを提案し、実機で多様な家庭用品の把持に成功した。
- 不確実領域の予測を伴う形状補完形状補完2023/8/1
部分的な観測から物体の完全な形状を予測する際に、不確実な領域を推定する2つの手法を提案し、ShapeNetから生成したデータセットで評価した。
- 物体姿勢推定と能動学習によるVR遠隔操作:空中マニピュレーションを実現するテレプレゼンスロボット空中マニピュレーション2022/10/1
LiDAR・カメラ・IMUと触覚デバイス、VRインターフェースを組み合わせ、空中マニピュレーションロボットの遠隔操作を可能にするテレプレゼンスシステムを提案。物体姿勢推定と能動学習により動的環境での把持・配置を実現した。
- ロボットを信頼せよ!スパースガウス過程によるニューラルネットワークの予測不確実性推定不確実性推定2021/9/1
DNNをスパースガウス過程の混合専門家として理論的に位置づけ、ロボットタスクで高速かつ信頼性の高い予測不確実性推定を実現した研究。
- ベイズ最適化とラプラス近似によるロボットの自己認識不確実性推定2020/10/1
深層ニューラルネットワークの不確実性推定を改善するため、ラプラス近似の過小適合を緩和するベイズ最適化手法を提案し、予測の校正と精度を同時に最適化できることを示した。
- ベイズニューラルネットワークによる乗法的相互作用学習を用いた視覚慣性オドメトリVIO2020/7/1
マルチヘッド自己注意でセンサ間の乗法的相互作用を学習し、ラプラス近似で不確実性を考慮した単眼視覚慣性オドメトリ手法を提案。KITTIで最先端手法を上回り、センサ故障への頑健性を示した。
- スパース情報形式によるニューラルネットワークのモデル不確実性推定不確実性推定2020/6/1
情報行列のスペクトルが疎になりやすい性質を利用し、低ランク近似と新たなスパース化アルゴリズムでDNNのモデル不確実性を効率的に表現・サンプリングする手法を提案した。
