Tin Lai
収録論文 16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
- 部分観測下での把持合成のためのハイブリッド最適化フレームワーク把持合成2026/6/1
学習ベースのエネルギーモデルと解析的ICP法を組み合わせ、部分点群からロバストな把持姿勢を生成するハイブリッドフレームワークを提案。67物体・5,360回の試行で平均成功率60.9%を達成し、既存手法を上回った。
- 並列形状マッチングによる把持マニピュレーション2024/12/1
グリッパと物体の剛体形状マッチングとして把持問題を定式化し、AS-ICPとGPU並列化で高速かつロバストな把持を実現した。
- 確率的軌道最適化における多様性のためのパスシグネチャ軌道最適化2023/8/1
ラフパス理論のパスシグネチャとヒルベルト空間表現を活用し、並列軌道最適化で解の多様性を促進してモード崩壊を防ぐ手法を提案。2Dナビゲーションからロボットマニピュレータまで平均コストを低減。
- Visual-SLAMのレビュー:幾何モデリングから学習ベースの意味的シーン理解への進展Visual-SLAM2022/9/1
Visual-SLAMの研究を、従来の幾何モデルベース手法から深層学習を用いた意味的理解まで体系的にレビューし、課題と今後の展望をまとめたサーベイ論文。
- 世界の仕組みを観察・学習してバンディットで計画するライフスキルの発見強化学習/計画2022/7/1
エージェントが世界との履歴的相互作用を観察し、マルチアームドバンディット問題として評価しながら高レベルの抽象スキルを自動獲得する計画手法を提案。
- キノダイナミック木探索のための学習ベース拡張手法プランニング2022/3/1
木探索型キノダイナミック計画において、ニューラルネットで状態間の遷移コストを予測し、ユークリッド距離ヒューリスティックより高品質なノード選択を実現して漸近最適性を保つ手法を提案した。
- サンプリングベース運動計画アルゴリズムのテスト環境運動計画2021/10/1
サンプラーとプランナーを分離し、異なるサンプリングベース運動計画アルゴリズムを素早く入れ替えて検証できるフレームワークを提案した。
- 遅延経験グラフを用いた連続ピックアンドプレース作業の高速再計画マニピュレーション2021/9/1
物体操作で変化する環境での連続タスク向けに、過去の経験を遅延グラフとして活用するハイブリッドプランナLTR*を提案し、後続タスクの計画を高速化した。
- 並列化微分同相写像サンプリングベース運動計画運動計画2021/8/1
環境の連続占有表現から得た勾配で微分同相写像を構成し、サンプリング分布を変形することで衝突しにくいサンプルを並列に生成する運動計画手法を提案した。
- 高速探索ランダムフォレスト:一般化マルチ木運動計画による局所構造の適応的活用運動計画2021/3/1
複数の探索木をマルチアームバンディットで選択し、ボトルネック領域ではベイズ的局所サンプリングを適応的に用いる一般化マルチ木運動計画手法RRF*を提案し、完全性と最適収束の保証および広範な問題での有効性を示した。
- 歩行者の未来移動を確率的に予測する群衆内先読みナビゲーションナビゲーション2020/11/1
歩行者の連続時間確率過程を学習して将来位置を予測し、衝突確率制約付きの制御で群衆内を安全にナビゲーションするフレームワークSPANを提案した。
- 正規化フローで最適計画を学習する動作計画器動作計画2020/10/1
条件付き正規化フローで過去経験からサンプリング分布を学習し、サンプリングベース動作計画の効率と解品質を改善した研究。
- ベイズ局所サンプリングに基づく運動計画運動計画2019/9/1
過去のサンプル結果から提案分布をベイズ更新し、狭い通路でも効率的に経路を見つける局所サンプリング型運動計画手法を提案した。
- 環境条件付き軌道生成ネットワークOCTNet軌道予測2019/9/1
占有マップを条件として、既知環境で学習した動きのパターンを未知環境の軌道生成に汎化するフレームワークOCTNetを提案した論文。
- 占有マップと軌跡を対応付けたデータセットOcc-Traj120軌跡予測2019/9/1
局所マップの占有表現と、その上を移動する11万件以上の軌跡を対応付けて公開したデータセット。軌跡予測における環境要因の活用を促す。
- 高速探索ランダム分離木による大域探索と局所連結性活用のバランス経路計画2018/10/1
マルコフ連鎖サンプリングで局所連結性を活用する複数の分離木と、多腕バンディット問題として定式化した大域探索の能動的バランスにより、高制約環境でのサンプリング効率を改善する漸進的最適マルチクエリプランナRRdT*を提案した。
