Neelesh Kumar
収録論文 6本 ・ フィジカルAI/ロボット学習
モーションキャプチャ遠隔操作強化学習/ニューロモルフィックナビゲーション/ニューロモルフィックBCI/リハビリテーションBCI/リハビリロボット
※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
- スマートウォッチとスマートフォンを用いたマルチモーダルモーションキャプチャによるユビキタスなロボット制御モーションキャプチャ2024/6/1
スマートフォンとスマートウォッチのセンサーデータから動作を取得し、ロボットを直感的に操作できるオープンソースライブラリを開発した。3つの動作モードを実機タスクで検証し、従来のモーションキャプチャに匹敵する精度を示した。
- iRoCo: スマートウォッチによるどこからでも直感的なロボット制御遠隔操作2024/3/1
スマートウォッチとスマートフォンだけでロボットを直感的に操作できるフレームワークを提案し、遠隔操作やドローン操縦で従来の制御系と同等以上の性能を示した。
- 集団符号化スパイキングニューラルネットワークによる連続制御の深層強化学習強化学習/ニューロモルフィック2020/10/1
集団符号化を用いたスパイキングアクターネットワークを深層強化学習で訓練し、Loihiニューロモルフィックチップ上で連続制御タスクの省エネ制御を実現した研究。
- スパイキングNNと深層NNの強化学習協調によるニューロモルフィックハードウェア向け省エネ地図なしナビゲーションナビゲーション/ニューロモルフィック2020/3/1
スパイキングアクターネットワークと深層クリティックネットワークを勾配降下法で協調学習させ、Intel Loihi上に実装することで、地図なしナビゲーションを省エネかつ高成功率で実現した。
- 脳波で認知関与度をリアルタイム評価するリハビリロボット向け機械学習フレームワークBCI/リハビリテーション2020/2/1
脳波から深層CNNで認知関与度を推定し、スライディングウィンドウで連続的にリアルタイム評価する枠組みを提案し、リハビリロボットの適応制御への応用可能性を示した。
- EEGから運動意図と反応時間を深層学習で予測しリハビリロボットの適応制御に応用BCI/リハビリロボット2020/2/1
脳波(EEG)を入力とする畳み込みニューラルネットワークで、目標動作を開始する意図とその反応時間を運動開始前に予測し、リハビリロボットの適応制御に役立てる手法を提案した。
