Shreyansh Daftry
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
- LunarNav:月面長距離自律ナビゲーションのためのクレーターに基づく位置推定位置推定2023/1/1
月面ローバーが太陽光下でクレーターを検出しデータベースと照合することで、位置誤差5m・方位誤差3度以内の自律的な全球位置推定を実現するアルゴリズムとソフトウェアを開発した。
- ShadowNav:夜間・永久影領域におけるクレーター基準の月面ナビゲーション自己位置推定2023/1/1
月面探査車が夜間や永久影領域でも自律走行できるよう、クレーターをランドマークとして検出したクレーターエッジと軌道地図上の既知クレーターを照合し、絶対位置推定を行う手法を提案した。
- MLNav:火星地形を安全に走行するための学習強化経路計画経路計画2022/3/1
学習した探索ヒューリスティックで経路候補の実現可能性を一括予測し、上位候補のみに安全検証を適用することで、火星探査車の経路計画を効率化した研究。
- クレーターをランドマークとした月面ローバの自己位置推定自己位置推定2022/3/1
月面ローバが軌道から作成したクレーター地図と搭載カメラ・LiDARの観測を照合し、地上との通信なしで全球的な自己位置を推定する手法を提案した論文。
- 火星サンプルリターンに向けた機械視覚によるサンプルチューブ位置推定物体検出2021/3/1
火星表面に置かれたサンプルチューブを自律検出・位置推定するため、テンプレートマッチングとCNNの2手法を比較し、屋外環境で収集した大規模データセットで評価した。
- NeBula:過酷環境下でのロボット自律性を目指すフレームワーク — DARPA地下チャレンジにおけるTEAM CoSTARの取り組み自律探査2021/3/1
DARPA地下チャレンジでCoSTARチームが用いた、不確実性を考慮した自律探査フレームワークNeBulaのアルゴリズム・ハードウェア・ソフトウェア構成と競技結果をまとめた論文。
- 仮想テンプレート合成とマッチングによる火星サンプルリターンのためのローバ自己位置推定自己位置推定2021/3/1
数年前に別ローバが撮影した参照画像からメッシュを構築し、その部分レンダリングを現在のローバ画像と照合することで、荒涼とした地形や大きな照明・視点変化に頑健な視覚的自己位置推定手法を提案した。
- 自動ゲイン式サーマル赤外カメラのオンライン測光キャリブレーション測光キャリブレーション2020/12/1
特別なハードウェア支援なしで任意の民生サーマル赤外カメラに適用できるオンライン測光キャリブレーション手法を提案し、視覚オドメトリやSLAMの文脈でベンチマークと実環境実験により有効性を示した。
- 機械学習による探査ローバーの経路計画改善経路計画2020/11/1
NASAの火星探査車向け自動ナビゲーションにおいて、地形の勾配コストとMLによる走行不能領域予測の2つのヒューリスティックで候補経路を事前に順位付けし、計算コストの高い安全性評価の回数を削減した。
- 小型ドローンのためのオンライン自己教師ありシーン分割自己教師あり学習2018/6/1
ジオメトリベースとデータ駆動型の強みを組み合わせ、オンライン自己教師あり学習で適応的にシーンを分割する枠組みを提案し、MAVの自律飛行で有効性を示した。
- 単眼リアクティブMAV制御のための転移可能なポリシー学習sim2real2016/8/1
関連するソースドメインの訓練データを活用し、目標ドメインで使える運動ポリシーを学習する汎用フレームワークを提案。単眼リアクティブ制御によるMAV飛行で、屋外の障害物環境での実機実験により有効性を示した。
- 自己評価する知覚:視覚システムの失敗を予測する学習自己評価/視覚/ドローン2016/7/1
視覚ベースのドローン飛行を対象に、センサ入力から直接システムの失敗を予測する汎用的な内省フレームワークを提案し、不確実な状況への有効性を示した。
- 障害物の多い屋外環境における堅牢な単眼飛行単眼ナビゲーション2016/4/1
小型ドローンがカメラのみで森林などの複雑な屋外環境を自律飛行できるよう、リアルタイムの半密な深度推定と耐風制御を組み合わせたシステムを開発し、実環境で実証した。
- ドローンによる建築物ファサードの高精度3D再構成3D再構成2015/2/1
MAVによる撮影画像からリアルタイムで再構成を行い、GSDや画像冗長性などの品質をユーザーにフィードバックする対話型システムと、多スケールカメラネットワーク設計を提案した論文。
- 単眼視による密集環境下での熟慮型自律飛行単眼視ナビゲーション2014/11/1
単眼カメラのみをセンサとして用い、地上車両で広く使われる後退ホライズン制御を小型UAVで実現した。機械学習による深度予測と特徴選択を組み合わせ、樹木が密集した環境を2km以上自律飛行して有効性を示した。
