Muhammad Shaheer
収録論文 17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
- MVP-SLAM: 複数カメラとフロアプランを活用したオンライン視覚慣性SLAMSLAM2026/9/30
建設現場向けに、2台の魚眼カメラとフロアプランをオンラインで統合し、壁検出とマップマッチングでドリフトを逐次補正する視覚慣性SLAMを提案。Hilti-Trimble SLAM Challenge 2026で高精度を達成。
- COMPASS: フロアプランに基づく視覚的ローカライゼーションのためのコンパクトなマルチチャネル事前地図とシーンシグネチャローカライゼーション2026/4/1
フロアプランの幾何情報と意味情報を活用し、二つの魚眼カメラを搭載したロボットの位置姿勢を推定するアルゴリズムを提案した。
- 拡張現実を用いた協調的セマンティックSLAMのための人間インタラクションセマンティックSLAM2025/9/1
拡張現実環境で人間がロボットの3Dシーングラフに介入し、意味情報を追加できるHuman-in-the-Loop型セマンティックSLAMフレームワークを提案。実世界の建設現場データで部屋検出精度や地図精度が向上。
- BIM情報を活用した建設現場向けVisual SLAMSLAM2025/9/1
建設現場でのVisual SLAMの軌道ドリフトを抑えるため、BIMから得た壁の構造情報を制約としてバックエンド最適化に組み込み、実現場で精度を向上させた。
- 3Dシーングラフを活用した状況認識型経路計画経路計画2025/8/1
屋内3Dシーングラフのメトリック・セマンティック構造を利用し、意味グラフ探索と並列サブ問題分解により経路計画を高速化するS-Pathを提案した。
- BIM制約付き最適化による建設モニタリングの高精度位置推定とずれ補正sim2real2025/4/1
建設現場のARモニタリングにおいて、BIMの設計平面と実測平面をマッチングし最適化でSLAMとBIMの座標変換を求めることで、ドリフトを低減し位置合わせ精度を向上させる手法を提案した。
- DYNEMO-SLAM: 動的エンティティと運動を考慮した3DシーングラフSLAMSLAM2025/3/1
動的な物体やエージェントを地図から除外せず、その姿勢と運動をSLAMのバックエンドで同時推定する3DシーングラフベースのSLAMフレームワークを提案し、動的環境での軌跡精度を大幅に改善した。
- S-Graphs 2.0：SLAMのための階層的意味最適化とループ閉じ込みSLAM2025/2/1
屋内環境をキーフレーム・壁・部屋・階の4層で表現する状況グラフを構築し、階層構造を活用した階単位のループ閉じ込みと段階的最適化によりSLAMの精度と効率を向上させる手法を提案した。
- グラフニューラルネットワークによる因子分解型3Dシーングラフでの不確かさを考慮した高レベル空間概念の生成SLAM/シーングラフ2024/9/1
観測された垂直平面から部屋や壁などの高レベル空間概念をオンラインで学習し、SLAMバックエンドの最適化因子として導入することで、手作業の概念生成・因子設計・共分散指定を不要にした手法を提案。
- 不正確な建築図面と密結合したSLAMSLAM2024/8/1
建築図面と実環境のずれを考慮し、LiDAR SLAMと図面を密結合して自己位置推定と構造偏差をリアルタイム推定する手法を提案。
- SLAMのための高レベル意味関係概念の学習SLAM2023/10/1
グラフニューラルネットワークを用いて、低レベル因子グラフから部屋や壁といった高レベルの意味関係概念を推論する手法を提案し、SLAMの精度を向上させた。
- 建築図面を活用したグラフベースのロボット大域SLAMSLAM2023/5/1
建築図面から生成したグラフとロボットがオンラインで構築するグラフを照合・統合し、事前知識を活かした大域的な自己位置推定と地図構築を実現する手法を提案。
- 建築図面を用いた脚式ロボットのグラフベース大域自己位置推定自己位置推定2023/3/1
建築図面から抽出した建築グラフとロボットがオンラインで推定する状況グラフをグラフマッチングで統合し、脚式ロボットの大域自己位置推定を実現した。
- S-Graphs+：階層表現を活用したリアルタイム自己位置推定とマッピングSLAM2022/12/1
壁・部屋・フロアの4層からなる因子グラフをリアルタイム最適化し、ロボットの姿勢推定と環境地図を高精度に構築する手法を提案した。
- 構造化屋内環境におけるロボットナビゲーションのための高度な状況グラフSLAM2022/11/1
屋内環境を5層の最適化可能なグラフ（自由空間・キーフレーム・壁・部屋・フロア）として表現し、ロボットの自己位置推定精度と状況認識を向上させる手法を提案した。
- 建築図面と状況グラフを活用したロボット自己位置推定自己位置推定2022/9/1
建築図面から壁や部屋の幾何・意味・トポロジー情報を抽出して状況グラフを構築し、3D LiDARから得た壁面観測とパーティクルフィルタを組み合わせて建設現場でのロボット位置推定を行う手法を提案した。
- 構造化屋内環境におけるロボットナビゲーションのための状況グラフSLAM2022/2/1
オドメトリと3D LiDARから抽出した平面を統合し、ロボット姿勢・壁などのメトリックセマンティック特徴・廊下や部屋によるトポロジカル層を単一の最適化可能グラフとしてリアルタイム構築する状況グラフ(S-Graph)を提案した論文。
