Michel Breyer
収録論文 7本 ・ フィジカルAI/ロボット学習
マニピュレーションキャリブレーション把持検出モバイルマニピュレーション物体探索
※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
- 目標物体把持のための閉ループ次善視点計画マニピュレーション2022/7/1
遮蔽された物体部分に基づいて探索を進める閉ループの次善視点プランナを提案し、把持成功率を保ちつつ実行時間を短縮できることを示した。
- 深層強化学習による視覚慣性センサの統合キャリブレーション向けデータ収集キャリブレーション2021/9/1
ロボットアームの動作を深層強化学習で学習し、カメラ内部パラメータとカメラ-IMU間の外部パラメータを同時に校正するための計測データを効率的に自動収集する手法を提案した。
- ボリューメトリック把持ネットワーク:混雑環境でのリアルタイム6自由度把持検出把持検出2021/1/1
腕装着型深度カメラから得たTSDF表現を入力とし、各ボクセルごとに把持品質・グリッパ姿勢・開き幅を直接出力するVGNを提案。10msで把持計画が可能で、実環境の片付け実験で92%の物体を除去できた。
- モデルベース深層強化学習による視覚慣性システム校正のための軌道学習キャリブレーション2020/11/1
視覚慣性システムの校正をマルコフ決定過程としてモデル化し、モデルベース深層強化学習と粒子群最適化でロボットアームの校正軌道を生成、手作り軌道より低誤差を達成した。
- モバイルマニピュレーションによる物品運搬システムモバイルマニピュレーション2020/4/1
非構造屋内環境で物体を探索・把持・運搬するため、知覚・自己位置推定・ナビゲーション・動作計画・把持を統合したモバイルマニピュレーションシステムを提案し、オフィスでの物品配送タスクで実証した。
- 強化学習による対話的知覚での散らかった環境での物体探索物体探索2019/11/1
散らかった環境でロボットが強化学習を用いて能動的に対話しながら対象物体を探索する手法を提案し、シミュレーションのみで学習したモデルが実環境でも88%以上の成功率で動作することを示した。
- 深層強化学習による閉ループ物体把持のためのタスク簡略化手法の比較マニピュレーション2018/3/1
ロボットアームによる物体把持を深層強化学習で学習する際、報酬整形・カリキュラム学習・事前学習によるウォームスタートを比較し、シミュレーション学習から実機へ転移した研究。
