Petros Maragos
収録論文 14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
- 曖昧な指示を対話で明確化する認知駆動型ロボット整理フレームワークCLARAVLA2026/11/3
「部屋を片付けて」のような曖昧な指示に対し、人間のように質問を投げかけて整理の詳細を引き出し、拡散モデルで最終シーンの画像を生成して確認する枠組みを提案した論文。
- 行動を通して見ることを学ぶ:ロボットのための予測的好奇心能動学習2026/10/9
ロボットが好奇心に基づく能動的な相互作用を通じて視覚表現を自己教師あり学習するフレームワークDySCOVERを提案し、予測的好奇心が視覚的好奇心のみの場合より視覚学習を改善することを示した。
- ゾノトープを用いた幾何学的アプローチによるSoft Actor-Criticの歩行学習歩行2026/10/8
各Criticがゾノトープを予測し、その幾何学的幅とCritic間の不一致度に応じて悲観性を適応的に調整するGeZo-SACを提案し、MuJoCo歩行タスクで性能と省エネルギー性を向上させた。
- GLAM-SLAM: フローの高密度化と空間分割によるリアルタイム大規模ガウススプラッティングSLAMSLAM2026/7/1
大規模屋外シーン向けのリアルタイムなガウススプラッティングSLAMシステムを提案し、特徴ベースのフロントエンドとスパースなアンカーグリッド表現で軽量なトラッキングとスケーラブルなマッピングを実現した。
- ベビー・ソフィア:自己接触と手の注視による自己探求の発達的アプローチ強化学習2025/11/1
乳児の発達に着想を得て、強化学習によりロボットが自己接触と手の注視を自律的に学習するフレームワークを提案し、好奇心ベースの内的報酬だけで協調的なマルチモーダル学習が可能なことを示した。
- 物体中心の行動強化表現によるロボット視覚運動方策学習VLA2025/5/1
Slot AttentionとSOLVモデルを組み合わせ、人間の行動動画で微調整した物体中心エンコーダを提案し、強化学習・模倣学習によるロボット視覚運動方策の性能を向上させた。
- 最小限の視覚情報から物体形状を復元する能動的触覚探索触覚2025/5/1
単一の視覚情報を初期値として、触覚による接触点からメッシュを逐次フィッティングし、不確実性を最小化するように触覚探索を計画することで、物体の3D形状を効率的に復元する手法を提案。
- Offset Vector Network for Semantic Segmentationセマンティックセグメンテーション2023/3/1
セマンティックセグメンテーションにおいて、各ピクセルから近傍のシードピクセルへのオフセットベクトルを学習し、予測を改善する二頭ネットワークOVeNetを提案。
- VP-SLAM: 点・線・消失点を用いた単眼リアルタイムVisual SLAMVisual SLAM2022/10/1
ORB-SLAM2を拡張し、線と消失点をリアルタイムに抽出して回転最適化と並進推定に活用する単眼Visual SLAMシステムを提案した。
- 時系列文脈と人間の動作ダイナミクスを活用した動画中のオンライン行動検出行動認識2021/6/1
時系列リカレントネットワークを基に、時系列文脈と人間の動作ダイナミクスを組み合わせて動画中の行動をリアルタイムに検出する手法を提案し、THUMOS'14で最先端の結果を達成した。
- ChildBot:子どもとのマルチロボット知覚・インタラクションシステムマルチロボット・HRI2020/8/1
複数のロボットとマルチモーダル知覚を統合し、子どもとの教育・娯楽タスクを協調実行するシステムChildBotを開発し、52名の子どもとの実験で知覚性能の向上と良好なユーザー体験を確認した。
- 把持方向を考慮した拡張グラスプマップによるロボット把持生成把持生成2020/6/1
把持角度空間を複数ビンに分割した拡張グラスプマップ表現と、方向ビン分類と角度回帰を同時に行うORANGEフレームワークを提案し、Jacquardで94.71%のSOTAを達成した論文。
- 知的歩行支援ロボットにおけるLSTMを用いた歩行安定性予測歩行2018/12/1
RGB-Dとレーザーレンジファインダのデータを融合し、LSTMネットワークで高齢者の歩行安定性(安全か転倒リスクか)をオンライン予測する枠組みを提案した。
- 子どもとロボットの共同注意課題におけるマルチビュー関与度推定の深層学習手法社会ロボット/関与度推定2018/12/1
部屋に設置した複数のRGB-Dカメラから子どもの姿勢を抽出・統合し、再帰層を含む深層ネットワークでロボットとの協働時の関与度を推定する手法を提案した。
