Michele Magno
ETH Zurich
収録論文 43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
- MAP2: MPCとガウス過程残差学習によるモデル・加速度ベース追従制御自動運転レース/制御2026/10/8
自動運転レース向けに、運動学的MPCとスパースガウス過程による残差補正を組み合わせた追従制御器を提案し、実車実験で横方向追従誤差とラップタイムを削減した。
- 自律レースにおける継続的RLによる汎化:RoboRacerプラットフォームでの検証継続的RL/自律レース2026/7/1
実世界データのみを用いて、継続的バックプロパゲーションに基づく継続的RLフレームワークを提案し、複数のトラックで汎用的なポリシーを訓練した後、15分以内の微調整で古典的制御器を上回る性能を達成した。
- LocalNav: フロンティアVLMと身体化RLの蒸留によるオンデバイス物体目標ナビゲーションナビゲーション2026/6/1
大規模VLMの空間推論能力を軽量な4BパラメータのローカルVLMに蒸留し、組み込みGPU上で低遅延な物体目標ナビゲーションを実現する手法を提案した。
- 飛んで、追って、着陸する:異種UAV-UGVチームのためのインフラ不要磁気測位測位/異種ロボットチーム2026/3/1
UGV上で交流磁場を発生させ、軽量な受信コイルのみを搭載したナノUAVが外部インフラなしでセンチメートル級の相対測位を行い、移動プラットフォームへの追従・着陸を実現する手法を提案。
- LEVIO: リソース制約デバイス向け軽量組み込み視覚慣性オドメトリVIO2026/2/1
超低消費電力の組み込み向けに最適化した視覚慣性オドメトリパイプラインLEVIOを提案し、RISC-V SoC上で20FPS・100mW未満のリアルタイム動作を実現した。
- マイクロ・ナノUAV向け高効率・高精度な下向きVisual Inertial OdometryVIO2025/9/1
超低消費電力SoC上で動作する下向きVIOパイプラインを提案し、剛体運動モデルと特徴追跡の最適化により、マイクロ・ナノUAVでのリアルタイム推定精度を向上させた。
- 残差クープマン予測制御による車両ダイナミクス向上:少量の走行データ入力で実現モデル予測制御2025/7/1
車両の軌道追従制御において、線形MPCによるベースライン制御とニューラルネットワークベースの残差クープマンMPCによる補償入力を組み合わせるRKMPCフレームワークを提案し、従来のクープマンMPCの20%の学習データで性能を向上させた。
- R-CARLA: 自動運転レース向けの交換可能なダイナミクスを備えた高忠実度センサシミュレーションsim2real2025/6/1
自動運転レース向けに、正確な車両ダイナミクスと高忠実度センサシミュレーションを両立させたCARLA拡張を提案し、実世界データからのデジタルツイン構築によりSim-to-Realギャップを車両動力学で42%、センサで82%削減した。
- M-Predictive Spliner: 自律レースにおける時空間マルチ対戦相手追い越しの実現自律レース2025/6/1
複数の対戦相手の将来意図を考慮し、カルマンフィルタとガウス過程回帰を用いて追い越し軌道を生成する手法を提案し、1/10スケールの自律レースカーで最大91.65%の追い越し成功率を達成した。
- AniTrack: 制御環境下での動物追跡に向けた省電力・タイムスロット型ロバストUWB測位システム測位・UWB2025/6/1
バッテリー駆動のUWBアンカーとタグを用い、LoRaWANでデータ送信しつつタイムスロット型SS-TWRで省電力化した動物追跡向け測位システムを提案。平均13.96cmの精度を達成。
- RobotxR1: 閉ループ強化学習による大規模言語モデルの身体性ロボット知能の実現VLA2025/5/1
小型LLMを閉ループ強化学習で訓練し、ロボットの身体性知能を実現する手法を提案。自動運転タスクでSFTベースラインを上回り、GPT-4oをも超える制御適応性を達成した。
- 資源制約のある小型四足歩行ロボットのための外受容センシングを用いた堅牢な強化学習ベースの歩行制御歩行2025/5/1
計算資源が限られた小型四足ロボット向けに、深度センサとリアルタイム標高マッピングを活用した強化学習ベースの歩行制御器を開発し、VIOなしでも段差17.5cmを安定して踏破できることを示した。
- イベントカメラのオプティカルフローを用いた高速移動ロボットの平面速度推定速度推定/イベントカメラ2025/5/1
地面に垂直に向けたイベントカメラのオプティカルフローと平面運動学を組み合わせ、車輪と路面の滑りに依存せずに移動ロボットの速度を推定する手法を提案し、実車実験で横方向誤差を38.3%改善した。
- 速く走り、速く学ぶ:高性能自律レースのためのオンボード強化学習強化学習/自律走行2025/5/1
シミュレーション事前学習に頼らず、実機上で直接学習する強化学習フレームワークを提案し、F1TENTHで20分の学習でラップタイムを最大11.5%短縮した。
- Delaunay三角分割に基づく自律レース向けリアクティブ制御自律走行2025/5/1
LiDARからDelaunay三角分割と走路境界セグメンテーションで中心線を抽出し、FTGの罠を回避するリアクティブ制御器DTRを提案。ラップタイムを70%短縮し、地図依存手法に迫る性能を実現した。
- 自己注意機構によるRGB-イベント融合を用いた衝突予測VLA2025/5/1
RGBカメラとイベントカメラの2つの入力を自己注意機構で融合し、ドローンの動的物体との衝突時刻と位置を予測する手法を提案。単一モダリティとの精度・計算コストのトレードオフを評価した。
- 車載LLMを活用した自動運転システムの意思決定とHMIの強化自動運転2025/4/1
低レベルMPCと車載LLMを組み合わせ、RAG・LoRA・量子化で効率化したハイブリッド自動運転アーキテクチャを提案し、推論精度・制御適応性・計算効率の向上を示した。
- TinyCenterSpeed: 自律レーシング向けの効率的なセンター方式物体検出物体検出2025/4/1
1:10スケールの自律レーシングカー向けに、CenterPointを軽量化したリアルタイム物体検出モデルを提案し、TPU上で7.88msの推論を実現した。
- GPとADMMベースiLQRを用いた自動運転ドリフト制御フレームワーク制御/最適化2025/3/1
ガウス過程回帰でモデル誤差を補償し、ADMMベースのiLQRでリアルタイムに軌道最適化を行う自動ドリフト制御手法を提案し、横方向誤差と計算時間を大幅に削減した。
- FSDP: 頭対頭自律レースのための高速で安全なデータ駆動型追い越し軌道計画軌道計画2025/3/1
敵車の予測にスパースガウス過程を用い、二段階の二次計画法で運動学的制約と安全性を満たす追い越し軌道をリアルタイム生成する手法を提案し、F1TENTHで成功率と計算速度を大幅に改善した。
- RLPP: スケールプラットフォームにおけるゼロショット実世界自動運転レースのための残差手法sim2real2025/1/1
Pure Pursuit制御器に強化学習の残差を組み合わせ、シミュレーションで学習した方策を実世界にゼロショット転移して自動運転レースのラップタイムを改善する手法を提案。
- 2D LiDARを用いた人物追跡を組み込んだ動的人間環境における自律ナビゲーションナビゲーション2024/12/1
2D LiDARベースの人物検出と多対象追跡をナビゲーション計画に統合し、四足ロボットで実環境における人物追跡と衝突回避の性能を検証した。
- BatDeck:ナノドローン向け超低消費電力超音波による自己速度推定と障害物回避ナノドローン/超音波センシング2024/12/1
コウモリに着想を得て、下向き・前向きの超低消費電力超音波センサによる往復測距でナノドローンの自己速度推定と障害物回避を実現し、透明・反射物や暗闇でも動作することを示した。
- ロボティクス応用に向けたPMD Flexx2深度カメラのノイズ解析とモデリング深度センサ/ノイズモデリング2024/12/1
ToF深度カメラPMD Flexx2の軸方向・横方向ノイズをガウス分布でモデル化し、シミュレーション精度を高める手法を提案した。
- スケール自律走行レースにおける1分以内の学習ベース走行中システム同定システム同定2024/11/1
ニューラルネットワークによる誤差補正を組み込んだ走行中システム同定手法を提案し、30秒の走行データと3秒の学習でタイヤモデルを高精度に同定できることを示した。
- 予測スプライナー:対戦相手の軌道予測を用いたデータ駆動型自動レースの追い越し自動運転レース2024/10/1
ガウス過程回帰で対戦相手の挙動を学習し、将来のコース区間での追い越し経路を計画する手法を提案。1/10スケールの自動レース車両で従来手法より高速かつ高成功率の追い越しを実現した。
- 超軽量なロボット群協調マッピング群制御2024/7/1
1.5MBのメモリしか持たない小型ロボットでも動作する分散型の協調SLAM手法を提案し、46gの小型ドローンで30cm以下の精度を実現した。
- ForzaETHレーススタック:市販ハードウェアで実現するスケール自律対戦レース自律レース2024/3/1
1:10スケールのF1TENTH向けに、市販の既製ハードウェアだけで動くモジュール式の自律レースソフトウェア基盤を構築し、タイムトライアルと対戦レースの両方で有効性を示した。
- BatDeck:低電力超音波障害物回避によるナノドローン航法の進展ナノドローン/超音波障害物回避2024/3/1
コウモリに着想を得て、軽量・低電力の超音波センサをナノドローンに搭載し、透明・反射・吸音素材のある環境でも自律飛行と障害物回避を可能にした研究。
- 自律レース向け自己位置推定手法のロバスト性評価自己位置推定2024/1/1
高速レース環境向けのMCLベース自己位置推定アルゴリズムSynPFを提案し、Cartographerと比較評価した。ホイールスリップ時でもSynPFがロバストで低遅延(1.25ms)であることを示した。
- TinyissimoYOLOによるAI統合スマートグラス上の超効率的なオンデバイス物体検出オンデバイス物体検出2023/11/1
小型・低消費電力のスマートグラス向けに、100万パラメータ未満のTinyissimoYOLOネットワーク群とRISC-VプロセッサGAP9を組み合わせ、18FPS・62.9mWで動作する常時オンのオンデバイス物体検出システムを実現した。
- ナノUAVにおける間取り図を用いたセマンティックセンサフュージョンによる完全オンボード低電力自己位置推定自己位置推定2023/10/1
ナノUAVが間取り図とセマンティック情報を融合し、オンボードで低電力に自己位置推定を行う手法を提案し、実オフィス環境で90%の成功率を達成した。
- NanoSLAM: 超小型ロボット向け完全オンボードSLAMの実現SLAM2023/9/1
87.9mWの低消費電力で動作する軽量SLAMアルゴリズムを提案し、44gのナノドローンに搭載して4.5cm精度の地図生成を実現した。
- ナノドローン群による完全オンボードSLAMと分散マッピング群制御2023/9/1
35gのナノドローン群が搭載センサと低電力マイコンだけで分散協調SLAMを行い、外部インフラなしで地図生成するシステムを実現した。
- 反射しにくい表面に対するLiDAR・レーダー・深度カメラのロバスト性評価:自動運転における実験的研究センシング2023/9/1
反射しにくい表面がLiDAR・レーダー・深度カメラの測距性能に与える影響を実験的に比較し、LiDARは性能が33%まで低下する一方、レーダーと深度カメラはほぼ100%を維持することを示した。
- 低電力レーダーを用いた自律レースにおける対戦相手のロバストな速度・位置推定知覚/レーダー2023/9/1
低電力レーダーセンサーを自律レースの知覚パイプラインに統合し、動的障害物の位置と速度を推定するシステムを開発・評価した。
- TinyTracker: 視線推定のための超高速・超低消費電力インセンサーエッジビジョンエッジビジョン2023/7/1
ソニーのAIセンサーIMX500上で動作する超軽量な視線推定モデルTinyTrackerを提案し、エッジでの超高速・低消費電力な視線推定を実現した。
- ナノUAVナビゲーション向け超低電力RISC-Vクラスタ上でのオプティカルフロー推定の並列化ナノUAVナビゲーション2023/5/1
8コアの低電力RISC-Vマイコン上でオプティカルフロー計算を並列化し、単一コア比で最大7.21倍の高速化と500fpsの処理を実現した。
- モデルと加速度に基づく高性能自律レース用追従コントローラ軌道追従制御2022/9/1
幾何学的手法の簡便さを保ちつつタイヤ動力学を活用し、高速でも高精度に軌道追従できるモデルベース制御器MAPを提案し、実験で従来の幾何学制御器の4倍の精度を達成した。
- 小型自律ドローンのための堅牢で効率的な深度ベース障害物回避障害物回避2022/8/1
64画素マルチゾーンToFセンサとモデルフリー制御則を用いて、35gのナノドローンで屋内障害物回避を実現し、0.5m/sで100%の信頼性を達成した。
- TC-Driver: 軌道条件付き強化学習による堅牢な自動運転レース制御自動運転レース/強化学習2022/5/1
従来の軌道計画器が生成した軌道を条件として強化学習エージェントを訓練し、タイヤモデルの誤差に頑健な自動運転レース制御を実現した。MPCよりクラッシュ率が低く、推論速度も約40倍高速。
- 義手・ロボット向け低遅延組み込みスマートハンドのための触覚センサ活用触覚2022/3/1
高解像度触覚センサアレイを搭載した手型組み込みシステムを開発し、毎秒100フレームの取得と軽量CNNによる物体分類をマイコン上で実現した。
- SmartHand:義手・ロボット向け組み込み型スマートハンド触覚2021/7/1
手の形をした多点触覚センサアレイから高解像度の触覚情報をリアルタイム処理する組み込みシステムを開発し、小型CNNをマイコン上に実装して低消費電力・低遅延で物体認識を実現した。
