Stefano Soatto
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
- 混合敵対的拡散予測による自動運転のロバスト計画自動運転計画2025/5/1
拡散モデルで正常行動と敵対的行動の予測を混ぜ、期待コストで計画を評価することで、敵対的行動に強く、かつ過度に保守的にならない自動運転プランナーを実現した。
- 物理シーンの視覚基盤モデルに向けて視覚基盤モデル2023/6/1
画像予測のみを学習基準として物理シーンの汎用視覚表現を学習する第一歩を提案し、NeRFと拡散モデルを組み合わせたNeRF Diffusionを非教師あり表現として検証した。
- 特徴点トラックの誤差はゼロ平均ガウス分布ではない状態推定2023/3/1
特徴点トラックの位置誤差がゼロ平均ガウス分布に従うという通説を検証し、実際には運動の種類や速度、画像処理アルゴリズムに依存することを示した。
- VIOの不確かさを定量化するVIO2023/3/1
単眼視覚慣性オドメトリ(XIVO)の不確かさをモンテカルロシミュレーションで評価し、特徴追跡の帰属誤差が性能に最も悪影響を与えることを示した。
- 視覚慣性自己位置推定のための学習型不確かさ校正VIO2021/10/1
EKFの共分散推定誤差が系統的であることを示し、経験的データから非線形写像を学習して共分散を校正する手法を提案した。
- SABER: 異種ロボット群の自律ナビゲーションのためのデータ駆動型動作計画群制御2021/8/1
確率的モデル予測制御とRNNによる不確実性推定、分散カルマンフィルタ、深層Q学習を組み合わせ、地上・空中ロボットの異種チームを不確実環境で目的地まで誘導するオンライン動作計画を実現した。
- 合成データからトポロジーを学習する教師なし深度補完深度補完2021/6/1
合成データで疎な深度点群から密な形状のトポロジーを学習し、画像の輝度情報で予測を補正する深度補完手法を提案。屋内・屋外ベンチマークで最先端性能を達成した。
- 教師なし深度補完のための適応的学習フレームワーク深度補完2021/6/1
各画素の残差からソフトな可視性マスクと正則化の強さを適応的に決め、既存の教師なし深度補完手法の性能を追加パラメータなしで向上させる手法を提案した。
- 視覚慣性入力とリカレントネットワークによるリスク回避型MPCのオンライン衝突回避MPC/衝突回避2020/7/1
視覚慣性オドメトリとRNNで将来の位置不確かさを推定し、それを考慮したMPCで四足ロボットが障害物環境を安全に自律走行できる経路計画手法を提案した。
- SAM: 操舵指令条件付き視覚運転ポリシー学習のためのSqueeze-and-Mimicネットワーク自動運転/模倣学習2019/12/1
意味情報や物体アフォーダンスのサイドタスク注釈を入力に使うsqueezeネットワークで運転に有用な表現を学習し、画像のみで運転するmimicネットワークをその潜在表現で教師あり学習する手法を提案。CARLAで交通規則を考慮した評価も導入した。
- 重力方向を活用した単眼深度予測深度推定2018/7/1
慣性センサから得られる重力方向の事前知識を単眼深度推定に組み込み、物体表面の法線が重力と整列・直交する性質を利用して精度を向上させた研究。
- 視覚慣性による物体検出とマッピングSLAM2018/6/1
単眼カメラと慣性センサを用いて未知環境内の物体モデルをオンラインで構築し、ユークリッド座標系で位置推定する手法を提案。検出ネットワークと非線形フィルタを組み合わせ、VISMAデータセットも公開した。
- ループ閉じ込めのための簡易階層プーリングデータ構造ループ閉じ込め2015/11/1
視覚的な単語の袋(bag-of-words)記述子を階層的に平均化するデータ構造を提案し、大規模ループ閉じ込めにおいて4〜20倍の高速化を達成した。
- 外れ値に頑健な視覚・慣性センサ融合推論視覚・慣性センサ融合2014/12/1
視覚と慣性センサの融合による3次元運動推定において、視覚データの外れ値に頑健な最適判別器を導出し、その近似手法を比較・改善した研究。
- 視覚支援ナビゲーションにおける可観測性・同定性・感度の解析視覚慣性融合2013/11/1
視覚と慣性センサの融合による運動推定の可観測性を再検討し、センサバイアス率をノイズとみなす従来仮定を外すと不可観測になることを示した上で、感度解析により不可区別集合の体積の上界を入力特性の関数として導出した。
