Michele Antonazzi
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
- 適応すべき時: オープンボキャブラリセグメンテーションにおける効率的な訓練不要適応のためのマルチシグナルドメインシフト検出セグメンテーション2026/9/29
連続フレームの時間的一貫性を利用し、視覚変化・アダプタ不一致・意味ドリフトを組み合わせてドメインシフトを検出し、必要な時だけ訓練不要の適応をトリガーすることで、オープンボキャブラリセグメンテーションの精度を維持しつつ適応回数を大幅に削減する手法を提案。
- 確率的シーングラフ:階層的表現とリアルタイムシステムシーングラフ2026/9/19
従来のシーングラフに不確実性を明示的な信念として導入し、ガウス分布の階層グラフで空間的接地を行う確率的シーングラフ(PSG)を提案。構築・洗練を通じて信念を保持するマッピングパイプラインを実装した。
- 幾何的整合性を強制するナノドローンレースゲートの視覚的3D姿勢推定のための自己教師ありドメイン適応ドメイン適応/姿勢推定2026/3/1
シミュレーションデータで事前学習したCNNを実環境に適応させるため、ドローンのオドメトリを用いた自己教師ありのドメイン適応手法を提案。実画像シーケンスのみで姿勢予測の整合性を保証し、位置誤差40%、姿勢誤差37%改善。
- インスタンス誘導によるロボット意味セグメンテーションのための教師なしドメイン適応意味セグメンテーション2026/2/1
3Dマップから多視点一貫性のある擬似ラベルを生成し、基盤モデルのゼロショットインスタンスセグメンテーションで補正することで、実環境でのロボットの意味セグメンテーションを教師なしで適応させる手法を提案。
- R2SNet: 提案精緻化によるクラウドロボティクス環境での物体検出のためのスケーラブルなドメイン適応ドメイン適応2024/3/1
クラウド上の大規模AI推論サービスを利用するロボット向けに、軽量なDNN「R2SNet」をロボット上で走らせて物体検出の提案を再ラベリング・再スコアリング・抑制することで、ドメインシフトによる性能低下を低コストで緩和する手法を提案した。
- 通信制限された未知環境におけるマルチロボット会合のためのフロンティア探索群制御2024/3/1
通信が会合後にしかできない未知環境で、フロンティア探索を応用して探索と会合を統合し、再訪機構で会合を早める手法を提案し、ROSの3Dシミュレーションで有効性を示した。
- 実世界におけるロボットビジョンの開発と適応:扉検出の課題ロボットビジョン2024/1/1
フォトリアルなシミュレーションでロボット視点のデータセットを合成し、深層学習モデルを訓練して扉検出を行い、実環境への適応と性能向上を検証した。
- 自律移動ロボットの環境特化運用におけるドア状態検出の改善認識/検出2022/3/1
移動ロボットの視点で撮影した画像データセットを構築し、深層学習によるドアの有無と開閉状態の検出器を開発。実環境データでのファインチューニングにより性能向上を図り、シミュレーションと実機で有効性を検証した。
