Siddharth Ancha

University of California, Berkeley

収録論文 10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

• 安全なストリーミングフロー計画：サンプリング動力学と実行動力学の整合
  安全計画2026/10/2

  拡散・フローマッチングに基づく生成プランナーにおいて、サンプリング動力学を実行動力学に整合させ、高次制御バリア関数で実行ステップのみ安全制約を課すことで、計画遅延を削減し安全性を向上させる手法を提案。

• ロボティクスにおけるオープンループ実行の再考：リアクティブで高性能なポリシーへ
  模倣学習2026/8/16

  模倣学習で使われるオープンループ実行の利点を再検証し、長いコンテキストを持つポリシーではクローズドループの方が優れることを示した。

• ストリーミングフローポリシー：行動軌道をフロー軌道として扱う拡散・フローマッチングポリシーの簡略化
  VLA2025/5/1

  拡散・フローマッチングポリシーを簡略化し、行動軌道をフロー軌道として扱うことで、サンプリング中にリアルタイムで行動をロボットにストリーミング可能にした手法を提案。

• 合成による異常検知：オフロードナビゲーションのための生成拡散モデルを用いた異常検出
  異常検知2025/5/1

  拡散モデルで入力画像から異常を除去した画像を合成し、その編集箇所を解析することで、訓練データにない異常を画素単位で検出する手法を提案。

• プログラマブルライトカーテンによるロボット安全監視
  安全監視2024/4/1

  可制御な深度センサ（プログラマブルライトカーテン）を使い、協働ロボットの動きに合わせた仮想安全エンベロープを投影して侵入物を検知する、安価で柔軟なリアルタイム安全監視システムを開発した。

• EVORA: 不確実性を考慮した悪路走行のための深層エビデンシャル走破性学習
  走行制御/不確実性推定2023/11/1

  深層エビデンシャル学習で走破性の不確実性を推定し、リスクを考慮した経路計画を行うことで、車輪・四足ロボットの悪路ナビゲーション性能を向上させた研究。

• ライトカーテンを用いた自己教師ありマルチアームドバンディットによる能動的速度推定
  知覚/ナビゲーション2023/2/1

  安価で高解像度なプログラマブルライトカーテンを使い、パーティクルフィルタと占有格子で物体の位置・速度を推定する。カーテン配置を情報利得最大化と予測検証で戦略化し、自己教師あり報酬とマルチアームドバンディットでリアルタイムに方策を切替える。

• 確率的保証付きライトカーテンによるアクティブ安全エンベロープ
  知覚/安全2021/7/1

  安価で高解像度なプログラマブルライトカーテンを用い、ランダムな感知位置から未知障害物の安全エンベロープを推定し、機械学習で動きを予測・追跡することで確率的な安全保証を提供する手法を提案した。

• 不確実性を考慮した自己教師あり3Dデータ関連付け
  3D追跡2020/8/1

  自動検出とフレーム間関連付けで得た自己教師ありラベルを使い、不確実性を考慮したメトリック学習で3D追跡向けの点群埋め込みを学習する手法を提案した。

• ライトカーテンを用いた能動的知覚による自動運転
  能動的知覚2020/8/1

  深層学習3D検出器の不確実性を手がかりに、ライトカーテンと呼ばれる制御可能な深度センサの配置を最適化し、逐次的に物体検出精度を高める能動的知覚手法を提案した。