Piotr Kicki
収録論文 15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
- 駆動脊椎を備えたアジャイル四足歩行の評価四足歩行2026/5/1
四足ロボットに駆動脊椎を追加することで、高速走行や階段・斜面・障害物の克服などアジャイルな動きが向上するかをシミュレーションで検証した論文。
- 定数パラメータを超えて:ハイパー予測モデルとHyperMPCMPC2025/8/1
未モデル化ダイナミクスを時間依存パラメータで表現するニューラルネットベースの予測モデルHyperPMを提案し、MPCに統合したHyperMPCがF1TENTH自律走行などで予測精度と制御性能を向上させることを示した。
- 低コスト四足歩行ロボットのための堅牢な自己位置推定・地図生成・ナビゲーション歩行2025/5/1
接触支援型の運動学・視覚慣性オドメトリ・深度安定化視覚を組み合わせ、低コストな四足歩行ロボットが深度カメラのみで環境の2D地図生成・自己位置推定・自律ナビゲーションを行えるシステムを提案した。
- 強化学習によるレーシングポリシーの学習強化学習/自動運転2025/4/1
強化学習を用いて自動運転レースのポリシーを学習し、ドメインランダム化やアクチュエータ動力学モデル化により実機でゼロショット展開を実現。F1TENTHでMPCを上回り、RCレースで人間の専門ドライバーを超えた初の事例。
- LP-MPPI: ローパスフィルタによる効率的なモデル予測パス積分制御制御/MPPI2025/3/1
サンプリングベース制御MPPIの制御軌道に含まれる高周波ノイズをローパスフィルタで除去し、効率的な探索と滑らかな制御を実現するLP-MPPIを提案した論文。
- 多様な脚式ロボットを制御する単一ポリシー:エンドツーエンド学習によるマルチエンボディメント歩行歩行2024/9/1
形態に依存しないエンコーダ・デコーダを備えた統合ロボット形態アーキテクチャURMAを提案し、四足・人型・六脚など異なる脚式ロボットを単一の歩行ポリシーで制御、未見の機体にもゼロ/少数ショット転移できることを示した。
- 自律走行レースのための速度推定に向けたダイナミクスモデル学習状態推定2024/8/1
UKFと学習ベースのダイナミクスモデルを組み合わせ、オンライン摩擦推定により未知路面へのゼロショット適応を実現した速度推定手法を提案。
- 学習ベース計画・運動プリミティブ・安全強化学習の統合による軌道生成安全強化学習2024/8/1
運動プリミティブのブラックボックス学習と最適化を組み合わせ、複雑な運動学的制約下での安全な軌道計画を実現する手法を提案し、エアホッケーの打撃タスクで既存の安全強化学習を上回る性能を示した。
- 双腕ロボット操作のためのマーカーレス変形線状物体の準静的3Dモデル学習マニピュレーション2023/9/1
変形線状物体(DLO)の双腕操作に向け、Transformerベースの3Dモデルとスケーリング手法・データ拡張を提案し、異なる長さのDLOでも高精度に変形を予測できるようにした。
- Bスプラインによる変形可能な線状物体の高速追跡変形物体操作2023/2/1
マスク画像から変形可能な線状物体(DLO)の形状をBスプラインで高速に追跡するアルゴリズムを提案し、従来手法より高精度・高速で、遮蔽や自己交差、複数物体にも対応できることを示した。
- 深層ニューラルネットワークによる拘束多様体上の高速運動学的計画運動計画2023/1/1
拘束多様体とニューラル計画を組み合わせ、任意の拘束を満たす動的計画をニューラルネットの推論時間で生成する学習ベースの枠組みを提案し、エアホッケーの打撃動作で実機検証した。
- Bスプライン経路構築で高速化するDNNベースの局所車両マニューバ計画経路計画2022/3/1
Bスプラインによる経路表現とNNの帰納バイアスを活かした構築手順で、DNNベースの局所車両マニューバ計画の推論と学習を高速化し、約11msで経路生成を実現した論文。
- 経験から学ぶ局所的な車両マニューバの高速生成自動運転/経路計画2020/12/1
弱教師あり学習と勾配ベース方策探索でDNNを訓練し、車両の運動学的制約を満たす局所経路を約40msで生成する手法を提案。実環境・シミュレーションで既存プランナより成功率が高いことを示した。
- 柔らかいグリッパとニューラルネットワークで触覚を獲得する:物理パラメータ推定触覚2020/3/1
柔軟グリッパの指に取り付けたIMUの信号から、ニューラルネットワークを用いて把持対象物の剛性を推定するシステムを提案し、シミュレーションと実環境の両方で検証した。
- 自己教師あり学習による都市環境での車両経路計画の高速化経路計画2020/3/1
都市交通での車両の運動学的制約を考慮し、過去の計画経験を活用した勾配ベースの自己教師あり学習で実現可能な経路を高速に予測する手法を提案した。
