Sandeep Chinchali
The University of Texas at Austin
収録論文 24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
- LateMatch: キャッシュ可能なマッチングで効率的な視覚位置推定の相互作用ボトルネックを打破視覚位置推定2026/10/18
画像内処理をオフラインでキャッシュ可能なブロックに分離し、画像間の相互作用を最終層に遅延させることで、深層特徴マッチングの計算コストを2倍以上削減した手法。
- FORM: 直接的な材料則同定によるロボットマニピュレーションマニピュレーション2026/9/29
単一のロボット相互作用から弱形式運動量バランスを用いて変形可能な材料の物理特性を高速同定し、そのモデルを新しい動作や形状のマニピュレーション計画に再利用する手法を提案。
- もし、ならば、そうでなければ:視覚言語ナビゲーションにおける条件分岐の診断VLA2026/8/18
視覚言語ナビゲーションエージェントの条件分岐能力を診断するためのベンチマークCondVLNを導入し、分岐条件をシーングラフに基づいて生成し、エージェントの失敗原因を分析した。
- ViewMind3D: モジュール型ビュー認識推論による学習不要の3D質問応答3D質問応答2026/7/30
3D再構成や追加学習を必要とせず、マルチビュー観測から3D空間推論を行う学習不要のフレームワークを提案。質問駆動のビュー選択、言語条件付き物体接地、鳥瞰図インジケータ、役割ベース推論の4モジュールで構成し、ScanQAとSQA3Dで競争力のある性能を達成した。
- RoboShape: プライバシーを考慮したロボット知覚のための情報理論的ポイントクラウド表現知覚/プライバシー2026/7/16
ロボットが収集するポイントクラウドから、物体認識の性能を保ちつつプライベートな属性情報を除去する圧縮手法を提案した。
- CoordLight: ネットワーク全体の交通信号制御のための分散協調学習群制御2026/3/1
本論文は、マルチエージェント強化学習を用いて、各交差点のエージェントが隣接エージェントと協調しながら交通信号を制御するフレームワークCoordLightを提案し、ネットワーク規模の交通最適化を実現する。
- MoS-VLA: ワンショットスキル適応を可能にする視覚-言語-行動モデルVLA2025/10/1
ロボット操作方策を学習済み基底関数の線形結合として表現し、新しいタスクには1回の実演だけで勾配更新なしに適応できるVLAフレームワークを提案。
- IG-MCTS:不完全情報下での人間参加型協調ナビゲーション人間ロボット協調ナビゲーション2025/2/1
ロボットが局所知覚で移動し人間が不正確な地図で指示する協調ナビゲーションにおいて、情報共有と移動を同時最適化するオンライン計画法IG-MCTSを提案し、通信量と認知負荷を低減しつつ性能を維持できることを示した。
- PEERNet: ネットワーク接続型ロボットシステムのためのエンドツーエンド実時間プロファイリングツールシステム/プロファイリング2024/9/1
センサ・ネットワーク・深層学習パイプライン・デバイスを適応的にプロファイリングし、クラウドロボティクスの実時間性能を監視するツールPEERNetを提案。遠隔操作やVLM推論で非直感的な挙動を明らかにした。
- ロボット支援機械学習による胃癌ポリープ診断:部分表面触覚イメージングの活用触覚2024/8/1
視覚ベース触覚センサとロボットマニピュレータを用いて胃癌腫瘍ファントムの触覚データを自動収集し、機械学習で分類する手法を提案した。
- ロボティクスにおけるオンライン基盤モデル選択基盤モデル選択2024/2/1
ロボットタスクでオープンソースと有料の基盤モデルを状況に応じて選ぶオンライン学習手法を提案し、性能・時間・コストのトレードオフを改善した。
- 人間とロボットの合成データでスマート工具を訓練するsim2real2023/12/1
ロボットが生成した合成データを活用して人間用スマート工具のタスク認識モデルを訓練し、個別タスクや作業者への微調整で精度と拡張性を高める手法を提案した。
- 言語拡張トポメトリック地図による自動運転ナビゲーション自動運転ナビゲーション2023/10/1
高精度LiDAR地図を使わず、道路網情報とクラウドソースの言語ランドマークのみを用いて、視覚言語モデルとベイズ推定を組み合わせて自動運転車を目的地まで誘導するシステムを開発した。
- データゲーム:群ロボットによるデータ収集のゲーム理論的アプローチ群制御2023/3/1
地理的に分散した自動運転車群が、限られた情報と通信帯域のもとで協調的に多様な学習データを収集するゲーム理論的戦略を提案し、集中型オラクル方策への収束と性能向上を理論・実験で示した。
- 潜在空間の最近傍誘導探索による画像からのスパース制御タスク学習マニピュレーション2023/2/1
少数のデモンストレーションを用いて、画像のみからスパース報酬のロボットマニピュレーションタスクを効率的に学習する手法を提案。
- ロボット制御のための知覚モデルの動的選択知覚モデル選択2022/7/1
多段階制御タスクにおいて、制御コストと知覚時間のトレードオフを考慮し、最適な知覚モデルの系列を選択する手法を提案。ドローン着陸シミュレーションで有効性を示した。
- 深層説明可能特徴を用いたドリフト低減ナビゲーションナビゲーション2022/3/1
LIDAR点群からドリフトを減らせる特徴豊富な領域を推定し、説明可能なMPCでそこへ誘導することで自己位置推定誤差を最大76.76%削減した。
- 自動運転向け運転者予測モデルの個人化フェデレーテッドラーニングフェデレーテッドラーニング2021/12/1
多様な人間ドライバーの分布に対応するため、個人化フェデレーテッドラーニングの新しい手法を提案し、CARLA/CARLOシミュレータでの車線合流実験で標準手法の最大2倍の性能を実現した。
- 動的環境でのドリフトを抑えるナビゲーション行動の学習ナビゲーション2021/10/1
移動物体が多い動的シーンでLiDAR自己位置推定のドリフトを抑えるよう、強化学習でナビゲーション行動を学習した研究。
- ロボットのタスク精度と計算効率の解釈可能なトレードオフモデル選択2021/8/1
高速だが低精度なモデルと低速だが高精度なモデルの2つを使い分けるモデル選択問題の最適解を提示し、精度向上の利益が計算コストを上回る場合のみ低速モデルを呼ぶ手法を提案した論文。
- ロボットとクラウド間の継続学習のための訓練データサンプリング継続学習2020/12/1
ロボット搭載の知的サンプリングアルゴリズムHarvestNetを提案し、希少で有用なイベントのみを保存することで、クラウドでの知覚モデル再学習の精度を向上させつつ、ストレージ・注釈・計算コストを大幅に削減した。
- タスク関連表現学習によるネットワーク化ロボット知覚ネットワーク化知覚2020/11/1
ロボットの高次タスクに必要な情報だけを残すよう知覚モデルと共設計した圧縮表現を学習し、従来法より最大11倍の圧縮を実現した論文。
- 強化学習とモデル予測制御を組み合わせた高速道路合流自動運転/合流/MPC+RL2020/11/1
自動運転の合流問題でMPCと強化学習の長所短所を比較し、両者を融合して安全性・効率・快適性のバランスを改善する手法を提案した。
- クラウドロボティクスのためのネットワークオフロード方針:学習ベースのアプローチクラウドロボティクス/オフロード/強化学習2019/2/1
ロボットが不確実なときや高精度な計算が必要なときに、クラウドへセンシングタスクをいつ・どのようにオフロードするかを深層強化学習で決定し、通信コストを抑えつつ視覚タスク性能を1.3〜2.6倍改善する手法を提案した。
