Tiziano Guadagnino
収録論文 18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
- SAHA: 選択的間伐のための監督付き自律ハーベスタ森林ロボティクス2026/1/1
4.5トンのハーベスタを改造し、学習とモデルベースの制御を組み合わせて、森林内を自律走行して選択的に木を伐採するシステムを開発し、北欧の森林で数キロメートルに及ぶ実証実験を行った。
- センサ固有モデリング不要な堅牢LiDAR慣性オドメトリLiDARオドメトリ2025/9/1
センサ固有のモデリングに依存せず、簡易な運動モデルとスキャン・トゥ・マップ法を組み合わせたLiDAR慣性オドメトリを提案し、多様なセンサと環境で同一設定での堅牢性を実証した。
- KISS-SLAM: シンプルで堅牢かつ高精度な3D LiDAR SLAMシステムSLAM2025/3/1
LiDARのみを用いたSLAMにおいて「Keep It Small and Simple」の原則に基づき、追加センサや複雑な調整なしで高精度な自己位置推定と地図構築を実現するシステムを提案した。
- 点群密度マップを用いたLiDAR SLAMの効率的なループ閉じ込めSLAM2025/1/1
LiDAR搭載ロボットのためのループ閉じ込め検出手法を提案し、様々なスキャンパターンや解像度に対応しながら、屋外SLAMの精度と長期局所化を向上させる。
- 連続時間軌道を活用した効率的なLiDARバンドル調整によるマルチスキャン位置合わせSLAM/点群位置合わせ2024/12/1
連続時間軌道を最小二乗調整に組み込み、対応探索の枝刈りとアウトオブコアバッファで数千点群を効率的に大域整合させる3D LiDARバンドル調整手法を提案。
- Kinematic-ICP: 平面移動する車輪型ロボットのための運動学的制約を導入したLiDARオドメトリLiDARオドメトリ2024/10/1
車輪型移動ロボットの運動学的制約をICP最適化に組み込み、LiDARと車輪オドメトリを動的に融合することで、倉庫などの平面環境での自己位置推定精度を向上させた。
- LIO-EKF:拡張カルマンフィルタを用いた高周波LiDAR慣性オドメトリLiDAR慣性オドメトリ2023/11/1
点対点レジストレーションと拡張カルマンフィルタを組み合わせ、適応的なデータ対応付けでパラメータ調整を削減したLiDAR慣性オドメトリを提案し、高精度かつ高速な推定を実現した。
- 動的環境における volumetric belief 構築のための地図ベース移動物体セグメンテーション移動物体セグメンテーション2023/7/1
3D LiDARスキャンと局所地図から移動物体をセグメンテーションし、ベイズフィルタで動的環境の確率的表現を融合する手法を提案。
- 農業ロボティクスにおける効果的な意味知覚のためのドメイン特化事前学習農業ロボティクス2023/3/1
農業ロボットの作物・雑草認識において、対象ドメインのデータを使った自己教師あり事前学習とドメイン特化のデータ拡張を提案し、少ないラベルで高精度なセグメンテーションを実現した。
- IR-MCL: 暗黙表現に基づくオンライン大域自己位置推定自己位置推定2022/10/1
ニューラル占有場で環境を暗黙的に表現し、任意の姿勢での2D LiDARスキャンを合成することで、モンテカルロ自己位置推定の観測モデルを高精度化した研究。
- フロアプランマップにおける意味的手がかりを用いた長期自己位置推定自己位置推定2022/10/1
スパースなCADフロアプランと変化する屋内環境において、RGBカメラで検出した意味的手がかりをパーティクフィルタに統合し、長期にわたるロボットの自己位置推定を実現した。
- KISS-ICP: ポイントツーポイントICPの再評価 — 正しく行えばシンプル・高精度・頑健な位置合わせLiDARオドメトリ/sim2real2022/9/1
LiDAR点群のみを用い、適応的閾値・ロバストカーネル・運動補償・サブサンプリングを組み合わせたシンプルなポイントツーポイントICPによるオドメトリ手法を提案し、IMUなしで様々な環境・センサで最先端性能を達成した。
- 自律ナビゲーションのための因子グラフにおける制約付き最適化の扱いナビゲーション2022/8/1
因子グラフにラグランジュ未定乗数法を導入し、制約付き最適化を可能にした。これを用いて局所計画と自己位置推定を統合したナビゲーションスタックを構築し、実環境でROS標準より高速に動作することを示した。
- HiPE: ポーズグラフのための階層的初期化SLAM2022/7/1
ポーズグラフ最適化の初期値を、粗視化したグラフの最尤推定を組み合わせて階層的に求める手法を提案し、収束の効率と頑健性を向上させた。
- MD-SLAM: マルチキュー直接法SLAMSLAM2022/3/1
RGB-DとLiDARの両方に同じ枠組みで対応する直接法3D SLAMを提案し、投影モデルのみの小改修で異種センサを扱える汎用システムを実現した。
- 変化する環境でのテキスト検出を活用したロバストなオンボード自己位置推定自己位置推定2022/3/1
屋内環境の構造変化に対応するため、看板などの文字情報をテキスト検出で認識し、LiDARとカメラを用いたパーティクフィルタによる自己位置推定に統合した。オフィス環境での実験で構造変化や人混みに対してロバストで、オンボード計算機で動作することを示した。
- プラグアンドプレイSLAM:モジュール性と使いやすさを実現する統合SLAMアーキテクチャSLAM2020/3/1
異なるセンサ構成に柔軟に対応し、SLAM実装を標準化するモジュール型アーキテクチャを提案。多様なセンサ構成での比較実験で最先端性能を確認した。
- 最小二乗最適化:理論から実践へ最適化2020/2/1
ロボティクスやコンピュータビジョンで広く使われる非線形最小二乗最適化について、問題構造に着目した統一的な設計手法を提案し、組み込みシステムでも動く新しいオープンソースソルバを開発した。
