Michael Kaess
収録論文 46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
- ミリ波レーダー:合成開口から確率的マッピングへ確率的マッピング2026/7/1
ミリ波レーダーの生信号から確率的占有グリッドマップを生成するパイプラインを構築し、屋内環境での検証と経路計画への応用を評価した。
- TouchAnything: 拡散モデルによるスパースなロボット触覚からの3次元再構成触覚/3次元再構成2026/4/1
少数の触覚センサ情報と物体の大まかなクラス情報から、事前学習済みの2次元拡散モデルを幾何学的先行知識として活用し、物体の正確な3次元形状を再構成するフレームワークを提案した。
- UNRIO: 不確実性を考慮したレーダー慣性オドメトリのための速度学習オドメトリ2026/4/1
生のmmWaveレーダーIQ信号から直接速度を推定する不確実性対応のレーダー慣性オドメトリシステムを提案し、従来の点群ベース手法より高精度を達成した。
- riMESA: 実世界協調SLAMのためのコンセンサスADMM群制御2026/3/1
通信制約や外れ値計測、オンライン動作といった実世界の課題に対応する、堅牢でインクリメンタルな分散型C-SLAMバックエンドを提案した。
- PTLD: 触覚潜在一貫性蒸留によるシミュレーションから実世界への巧みな操作触覚/操作/sim2real2026/3/1
触覚センサのシミュレーションを必要とせず、実世界の特権センサから収集したデータを用いて触覚入力に基づく状態推定器を蒸留し、シミュレーションで訓練した操作ポリシーを向上させる手法を提案した。
- FORM: 回転LiDARを用いた修正マッピングによる固定ラグオドメトリLiDARオドメトリ2025/10/1
回転LiDARのスキャンを用いて、単一の反復マップでマッチングしながら密結合因子グラフ上で平滑化を行い、リアルタイムで局所マップを能動的に修正するオドメトリ手法を提案。
- COSMO-Bench:協調SLAM最適化のためのベンチマーク協調SLAM2025/8/1
マルチロボット協調SLAMの分散最適化アルゴリズム研究用に、実世界LiDARデータから生成した24種類のベンチマークデータセットを構築・公開した。
- GelSLAM:リアルタイム・高忠実・堅牢な3D触覚SLAMシステム触覚2025/8/1
触覚のみを用いて物体の姿勢を長時間推定し、形状を高忠実に再構成するリアルタイム3D SLAMシステムを提案。表面法線と曲率を利用した追跡とループ閉じ込みにより、低テクスチャ物体でもサブミリ精度を実現。
- LiDARオドメトリ技術の包括的評価LiDARオドメトリ2025/7/1
LiDARオドメトリのパイプラインを構成する要素技術を多数のデータセットで比較評価し、高精度・高信頼な設計のための実証的な指針を示した。
- ピクセルを超えた触覚:ロボットマニピュレーションのためのマルチセンサリ触覚表現触覚2025/6/1
画像・音・動き・圧力の4つの触覚モダリティを自己教師あり学習で統合した表現Sparsh-Xを提案し、模倣学習やsim-to-real適応において成功率とロバスト性を大幅に向上させた。
- 巧みなロボットハンドの触覚スキン向け自己教師あり知覚触覚2025/5/1
磁気触覚スキンを持つロボットハンド全体の触覚と運動履歴から自己教師あり学習で汎用表現を獲得し、状態推定や方策学習の性能を大幅に向上させた。
- 姿勢ドリフト下での音響ニューラル3D再構成音響3D再構成2025/3/1
ソナー画像からの3D再構成において、センサ姿勢を学習可能なパラメータとしてニューラル表現と同時に最適化し、姿勢ドリフトがあっても高精度な再構成を実現する手法を提案した。
- 学習された制約は実は後方到達可能チューブである安全制御2025/1/1
逆制約学習(ICL)が理論的・実践的に何を復元するかを解析し、失敗集合ではなく失敗が不可避な状態集合(後方到達可能チューブ)を復元することを示した論文。
- NormalFlow: 視覚触覚センサによる高速・頑健・高精度な接触ベース物体6DoF姿勢追跡触覚2024/12/1
視覚触覚センサが推定する表面法線のずれを最小化することで、物体の6DoF運動をリアルタイムに追跡する手法を提案し、低テクスチャ物体や長時間の回転追跡、3D再構成で高精度を示した。
- BEVLoc: 鳥瞰図合成によるクロスビュー位置推定とマッチング位置推定2024/10/1
地上画像から鳥瞰図(BEV)を合成し、航空地図と照合することでGPSが使えないオフロード環境でも自己位置を推定する手法を提案。
- LiPO: ICP比較のためのLiDAR慣性オドメトリLiDARオドメトリ2024/10/1
LiDAR慣性オドメトリのフレームワークLiPOを提案し、点対点ICPと点対特徴ICPのトレードオフを定量化して比較した。
- Sparsh: 視覚ベース触覚センシングのための自己教師あり触覚表現触覚2024/10/1
視覚ベース触覚センサ向けに、460k以上の触覚画像を用いたマスク付き自己蒸留による自己教師あり事前学習で汎用触覚表現を獲得し、標準ベンチマークTacBenchで従来のタスク・センサ特化型学習を平均95.1%上回った。
- iMESA: 協調SLAMのための増分分散最適化協調SLAM2024/6/1
複数ロボットの協調SLAMにおいて、疎な通信のみでリアルタイムに高精度な状態推定を実現する分散バックエンドアルゴリズムiMESAを提案した。
- BEVRender: GNSS不感オフロード環境における視覚ベースのクロスビュー車両位置推定位置推定/クロスビュー2024/5/1
GNSSが使えないオフロード環境で、車両周辺の地形をBEV画像として生成し、地理参照済みの航空地図とテンプレートマッチングすることで高精度なクロスビュー位置推定を実現した研究。
- 触覚を感じるニューラルフィールド:ハンド内操作のための視触覚知覚マニピュレーション2023/12/1
視覚と触覚を組み合わせ、ニューラルフィールドをオンライン学習して物体の形状と姿勢を推定する手法NeuralFeelsを提案。ハンド内操作中の遮蔽に強く、視覚のみより最大94%の追跡改善を実現。
- mmWaveイメージングレーダを用いた複数レーダ慣性オドメトリによる3D状態推定状態推定2023/11/1
悪天候や暗所でも頑健な4Dイメージングレーダを2台用い、ドップラー速度の不確かさを考慮しつつIMUと固定ラグ平滑化で統合し、高精度な3D自己位置推定を実現した研究。
- SONIC: 姿勢教師あり学習によるソナー画像対応付け水中SLAM/ソナー2023/10/1
水中SLAMのためのソナー画像対応付け手法SONICを提案し、視点変化に頑健な特徴対応を姿勢教師あり学習で実現した。
- オンマニホールド合意ADMMによる非同期分散平滑化・マッピング協調SLAM2023/10/1
マルチロボット協調SLAMのための、非同期かつ分散型のバックエンド最適化アルゴリズムMESAを提案し、既存手法より優れた収束性と精度を示した。
- 制約付き二段階最適化による状態推定のための共分散学習状態推定2023/9/1
ロボット状態推定の誤差共分散行列を、因子グラフ上の制約付き二段階最適化として勾配ベースで学習する手法を提案し、未見軌道での追従精度向上を示した。
- 非微分可能な逐次グラフ最適化器をループに含めた観測モデル学習によるロボット状態推定状態推定2023/9/1
ロボット状態推定のための観測モデルを、微分不可能な逐次最適化器をループに組み込んだ勾配ベースの学習手法で獲得し、未見軌道での追従精度を向上させた論文。
- k-一様ハイパーグラフ上の最大クリークによる群k-整合計測集合最大化とロバストなマルチロボット地図統合SLAM/マルチロボット2023/8/1
SLAMにおける外れ値除去のための整合集合最大化を群k整合に一般化し、k-一様ハイパーグラフ上の最大クリーク問題として解くことで、マルチロボット地図統合をロバスト化する手法を提案。
- MEMSマイクを用いた低コスト・低消費電力の生体模倣水中ロボットの音響測位と通信水中ロボット測位2022/10/1
4つのスピーカーから同時に送られる音響信号の到達時間差をMEMSマイクで推定し、小型生体模倣水中ロボットの機上測位と一方向通信を低コストで実現する手法を提案した。
- MidasTouch:スライディング触覚における分布のモンテカルロ推論触覚2022/10/1
視覚ベース触覚センサが物体表面を滑る際のオンライン大域位置推定システムを提案。触覚コードネットワークと粒子フィルタで表面形状を推定し、YCB-Slideデータセットも公開。
- TartanCalib: 適応的サブピクセル精緻化を用いた広角レンズの反復キャリブレーションキャリブレーション2022/10/1
広角レンズの歪みに対応するため、中間カメラモデルを活用して特徴検出とカメラパラメータを反復的に改善するキャリブレーション手法を提案し、再投影誤差の低減と特徴検出数の増加を実現した。
- イメージングソナーによるニューラル陰関数表面再構成音響センシング/3D再構成2022/9/1
前方視ソナー(FLS)の多視点画像から、ニューラル陰関数表現と音波伝播をモデル化した微分可能ボリュームレンダラを用いて物体の高精度な3D表面形状を再構成する手法を提案。
- ロバスト外れ値検出のための群k整合計測集合最大化SLAM2022/9/1
SLAMにおいて、ペアワイズではなく群k整合性に基づいて最大の整合計測集合を選択する手法を提案し、シミュレーションで従来法と比較した。
- ソナー画像フィルタリングのための条件付きGANと水中占有マッピングへの応用水中知覚/フィルタリング2022/9/1
条件付きGANを用いてソナー画像からノイズを除去する手法を提案し、水中ロボットの占有マッピング精度を従来法より向上させた。
- ロバストインクリメンタル平滑化・マッピング (riSAM)SLAM2022/9/1
外れ値のある計測に対してもオンラインで高精度なSLAMを実現するため、Graduated Non-Convexityに基づくロバストなバックエンド最適化手法を提案した論文。
- 異種グラフニューラルネットワークによる長期視覚地図のスパース化SLAM/自己位置推定2022/3/1
SfM地図を異種グラフとしてモデル化し、GNNで3D点の重要度を予測することで、環境変化に頑健で将来の自己位置推定に有用な点を選別して地図サイズを削減する手法を提案した。
- 距離画像の視点からLiDAR位置合わせと再構成を再考するLiDAR位置合わせ・再構成2021/12/1
スピニングLiDARの生スキャンを円筒距離画像として扱い、2D→3Dの可逆変換と高速な2D演算を可能にし、距離画像向けのマルチスケール位置合わせと密なSDF再構成システムを初めて提案した論文。
- 触覚画像から表面法線を学習するパッチグラフによる把持中物体追跡触覚2021/11/1
触覚画像から局所表面法線を推定し、その法線をファクターグラフで統合することで、事前形状情報なしに把持中の物体の3D姿勢を追跡する手法を提案した。
- ASH: 3D知覚のための並列空間ハッシュのモダンフレームワーク3D知覚2021/10/1
GPU上の並列空間ハッシュを高効率化し、PyTorch等と統合しやすいテンソルインターフェースを提供するASHを提案。点群ボクセル化や体積再構成など大規模3D知覚タスクで高性能を示した。
- ShapeMap 3-D:触覚と視覚の融合による効率的な形状マッピング触覚2021/9/1
GelSight触覚センサと深度カメラを用い、ガウス過程に基づく空間ファクタグラフで物体の暗黙的表面表現を逐次構築する視触覚マッピング手法を提案した論文。
- LEO: 因子グラフ最適化におけるエネルギーベースモデルの学習SLAM/状態推定2021/8/1
微分不可能なグラフ最適化器をループ内に含めて観測モデルをend-to-endで学習するエネルギーベース手法LEOを提案し、ナビゲーションと実世界の平面押しタスクで有効性を示した。
- CMU-GPRデータセット:ロボットの自己位置推定と地図構築のための地中レーダーデータセットGPR/自己位置推定2021/7/1
地下構造を計測する地中レーダー(GPR)を用いたロボットナビゲーション研究向けに、屋内3環境・15軌道分のGPR・車輪オドメトリ・RGBカメラ・IMUと正解位置を収録したオープンデータセットを公開した。
- 地中レーダーによる自己位置推定のための学習型ファクターグラフモデル自己位置推定2021/3/1
GPSが使えない未知環境で、地中レーダー(GPR)画像から学習した相対センサーモデルをファクターグラフに組み込み、オドメトリと併用してリアルタイムに自己位置推定する手法を提案した論文。
- 触覚モデル学習による因子グラフベースの物体姿勢推定触覚2020/12/1
触覚画像のペアからセンサの相対姿勢を予測する観測モデルを学習し、因子グラフに組み込むことで、平面押し動作中の物体姿勢を触覚のみで追跡する手法を提案した。
- 物体グラフで屋内を再構成するスケーラブルSLAMSLAM2020/11/1
屋内シーンを物体のグラフとして表現し、意味情報を活用したデータ関連付けと2.5D描画でドリフトのない大規模再構成を実現する高速SLAMシステムを提案した。
- 触覚SLAM:平面押し動作からの形状と姿勢のリアルタイム推定触覚2020/11/1
触覚センサの計測列から未知物体の形状と姿勢をリアルタイムに推定する手法を提案し、平面押しによる触覚探索をオンラインSLAM問題として定式化した。
- ポップアップSLAM:低テクスチャ環境向けの意味論的単眼平面SLAMSLAM2017/3/1
低テクスチャ環境でも頑健に動作するよう、単一画像から得た平面モデルを点ベースSLAMと統合し、状態推定と密な意味論的3Dマップ生成を同時に改善する単眼SLAMを提案した。
- 高次元陰的マニフォールド上の状態推定のためのマニフォールド粒子フィルタ状態推定2016/4/1
触覚センサを用いてロボットアームと劣駆動ハンドの状態を推定する陰的マニフォールド粒子フィルタを提案し、接触が持続する状況で従来の粒子フィルタより高速かつ高精度に収束することを示した。
