Mridul Aanjaneya
Rutgers University
収録論文 10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
- 接触認識グラフニューラルダイナミクスモデルによるテンセグリティロボットのモデル予測制御制御2026/9/8
テンセグリティロボットの複雑な接触ダイナミクスを学習するグラフニューラルネットワークモデルを拡張し、MPPIコントローラと組み合わせて、障害物や傾斜などの複雑な環境でのナビゲーション性能を向上させた。
- ケーブル駆動ロボットの部分観測可能な動力学をモデル化するグラフニューラルネットワークsim2real2026/2/1
ケーブル駆動ロボットをグラフとして表現し、部分観測入力のみから動力学を学習するGNNシミュレータを提案。実機とシミュレータの共同学習で汎化性を高め、MPPI制御による閉ループナビゲーションで有効性を示した。
- 障害物環境をナビゲートするオープンソースで再現可能なテンセグリティロボット移動ロボット2025/11/1
剛体支柱と弾性腱からなるテンセグリティロボットのナビゲーションシステムを、オープンソースのハードウェアとソフトウェアスタック(モデリング、制御、経路計画など)で構築し、屋外実証を含む実験でその有効性と再現性を示した。
- グラフニューラルネットワークによるテンセグリティロボットの微分可能ダイナミクス学習sim2real2024/10/1
テンセグリティロボットの接触ダイナミクスをグラフニューラルネットワークでモデル化し、MuJoCoを真値とするシミュレーションおよび実機で高精度かつ効率的に学習できることを示した。
- 微分可能物理エンジンによるケーブル駆動ロボット制御のReal2Sim2Real転移sim2real2022/9/1
テンセグリティロボットの実機データから微分可能物理エンジンを訓練し、シミュレーションで歩行方策を獲得して実機に転移するReal2Sim2Real手法を提案した。
- 低頻度データで学習可能なテンセグリティロボットのリカレント微分可能エンジンsim2real2022/3/1
テンセグリティロボットの微分可能物理エンジンにリカレント構造と暗黙的積分・段階的学習・微分可能衝突判定を導入し、低頻度の実測軌道データでも高精度にモデル化できるようにした。
- 微分可能物理エンジンによるバネ-ロッド系のシステム同定システム同定2020/11/1
離散化した運動方程式をモジュール化した微分可能物理エンジンを提案し、テンセグリティ構造のバネ剛性や質量などの物理パラメータを線形回帰で効率的に同定する。
- テンセグリティロボット向けデータ効率の良い微分可能物理エンジンのSim2Sim評価sim2real2020/11/1
テンセグリティロボット向けにケーブル・接触・駆動をモデル化した初の微分可能物理エンジンを提案し、MuJoCoを真値系としたsim2sim転移で少ないデータでも歩行方策を学習できることを示した。
- 微分可能物理を用いた低コスト車輪型移動ロボットのモデル同定と制御モデル同定2020/9/1
低コスト車輪型ロボットの解析モデルを構築し、微分可能物理で摩擦係数を勾配降下により推定、軌道予測と曲線追従制御を実現した。
- 微分可能物理エンジンによるバネ-ロッド系のデータ効率的なシステム同定システム同定2020/4/1
バネ-ロッド構造の運動方程式をモジュール化した微分可能物理エンジンを提案し、線形回帰で物理パラメータを少ないデータから同定できるようにした。テンセグリティ構造で有効性を示した。
