Piotr Skrzypczyński
収録論文 11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
- MAD-BA: 3D LiDARバンドル調整 — 不確かさモデリングから構造最適化までSLAM2025/1/1
LiDARのセンサ姿勢と3D地図をサーフェル表現で同時最適化するフレームワークを提案し、不確かさモデルを導入して公開データセットで性能向上を実証した。
- 再構成可能な受動関節による劣駆動巧みなロボット把持マニピュレーション2025/1/1
外部力で再構成・固定できる軽量受動関節を開発し、劣駆動3指グリッパで単一例から巧みな把持を学習する手法を提案。IKEA物体とYCBデータセットで80%と87%の把持成功率を達成した。
- VRヘッドセットの位置精度はどれほど正確か?モーションキャプチャとロボティクスによる主要VRヘッドセットの位置推定能力の比較VR位置推定2024/12/1
産業用ロボットでユーザーの頭部軌道を再現し、Meta Quest 2とMeta Quest Proの位置精度を比較評価した。両デバイスとも高い精度を示し、有意な差は見られなかった。
- 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。
- 脚式ロボットの触覚自己位置推定のための効率的な地形表現の学習触覚2022/9/1
触覚データから地形の埋め込み表現をTransformerで学習し、モンテカルロ法と組み合わせて脚式ロボットの自己位置推定を高精度・低計算コストで実現した。
- 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。
- LiDAR強度画像の記述力を活用した3D SLAMのセグメントベースループ閉じ込めSLAM2021/8/1
合成LiDAR強度画像からセグメントの視覚的文脈を学習する深層ニューラルネットワークを提案し、単一のマルチビームLiDARで高記述的な位置署名を生成してSLAMのループ閉じ込め検出を改善した。
- 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。
- 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。
- モバイル端末での実時間視覚的位置認識による個人位置推定視覚的位置認識2016/11/1
スマートフォン上でFAB-MAPとABLE-Mを実装・評価し、処理時間短縮とスケーラビリティ向上を図ったFastABLEを提案して実時間個人位置推定を実現した。
- FAB-MAPアルゴリズムをWiFi指紋による屋内位置推定に応用屋内位置推定2016/11/1
視覚的位置認識アルゴリズムFAB-MAPの構造をWiFiスキャンに適用し、高密度マップや煩雑なパラメータ調整を不要にした屋内位置推定手法を提案。UJIIndoorLocデータセットで評価した。
