Suryansh Kumar
Texas A&M University
収録論文 8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
- 基盤モデル駆動のオプティカルフローオプティカルフロー2026/10/19
凍結したDINOv2とDepth Anything V2の特徴を融合し、学習可能なマッチングネットワークで高密度オプティカルフローを推定する手法を提案。SintelでEPE 2.37を達成。
- スポーツ・パフォーマンス向け時間アーカイブ可能なカメラ仮想化新規視点合成2026/2/1
複数の固定カメラ映像から動的シーンの新規視点画像を生成し、時間を遡って再現できるニューラルボリュームレンダリング手法を提案。スポーツ中継などでの活用を目指す。
- Next-Future: ロボットアームタスクのためのサンプル効率の良い方策学習マニピュレーション2025/4/1
HERのリプレイ戦略を改良し、単一ステップ遷移に報酬を与える「Next-Future」を提案。8つのロボットマニピュレーションタスクでサンプル効率と成功率を向上させ、実機実験でも有効性を確認した。
- 移動ロボットによる多視点光度ステレオ3D復元2025/2/1
移動ロボット上で多視点光度ステレオを実現するため、逐次的な表面法線・深度・不確かさ予測と最適化による高精度3D復元手法を提案した。
- ICGNet: インスタンス中心の把持のための統一的アプローチマニピュレーション2024/1/1
単一視点の点群から各物体のインスタンス表現を生成し、物体再構成と把持検出を同時に行うエンドツーエンド手法を提案。散らかった卓上シーンでの把持性能と実環境適用性を示した。
- ドラゴンの訓練は不要:意味的フロンティアによる訓練不要の身体性物体目標ナビゲーション物体目標ナビゲーション2023/5/1
V-SLAMとシーングラフに言語事前知識を組み合わせ、訓練なしで未知環境内の物体を探索するモジュラーな物体目標ナビゲーション手法を提案。
- 不確かさ駆動型の高密度二視点Structure from MotionStructure from Motion2023/2/1
オプティカルフローの画素ごとの不確かさを活用し、姿勢推定と高密度深度推定を反復的に洗練する二視点SfM手法を提案した論文。
- NeRFの不確かさを活用したロボットによる能動的3D再構成能動的3D再構成2022/9/1
NeRF表現のレイごとの不確かさを推定し、それを用いて次に見るべき視点を選ぶことで、ロボットが効率的に物体の3D形状を再構成する手法を提案した。
