Qingkai Lu
収録論文 7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
- 幾何表現を用いた掘削強化学習マニピュレーション2022/1/1
不規則な物体が散乱する環境での掘削軌道列を計画するため、点群の幾何表現を別途学習して強化学習に組み込み、学習時間短縮と実環境での性能向上を実現した。
- 散乱した剛体物体のための掘削学習マニピュレーション2021/7/1
散乱した不規則な剛体物体を掘削するため、CNNによる成功予測とサンプリング最適化による軌道計画を組み合わせた学習ベース手法を提案し、実機・シミュレーションでベースラインを大きく上回る性能を示した。
- 多指ハンドのための能動的把握学習マニピュレーション2020/6/1
把持成功確率を推定するニューラルネットを用い、マルチアームドバンディットで効率的にサンプルを選ぶ能動学習により、多指ハンドの把持計画を少ないデータで学習する手法を提案した。
- 深層ニューラルネットワーク推論による多指把持計画マニピュレーション2020/1/1
物体の3Dボクセル表現と把持姿勢から把持成功率を予測するCNNを学習し、成功率を最大化する把持姿勢を推論することで、外部プランナなしに多指把持を計画する手法を提案した。実機実験で既存手法を上回る性能を示した。
- 連続3D再構成を活用した幾何学的把握学習マニピュレーション2019/10/1
学習した3D再構成を用いて物体の形状を明示的に考慮し、連続最適化で把持を計画する手法を提案。不要な接触を避ける制約も再構成から直接与え、96回の実機試行で有効性を検証した。
- 把持タイプのモデル化で学習ベースの把持計画を改善マニピュレーション2019/1/1
把持タイプ(パワー/プレシジョン)を明示的にモデル化した確率的把持計画器を提案し、部分的な視覚情報から未知物体の高品質な把持をリアルタイムで計画できることを示した。
- 深層ネットワーク内での確率的推論としての多指把持計画マニピュレーション2018/4/1
物体画像と把持姿勢から把持成功率を予測するCNNを学習し、誤差逆伝播による勾配 ascent でネットワーク内部を最適化して高品質な多指把持を直接計画する手法を提案した。実機実験で既存手法を上回る性能を示した。
