Tu-Hoa Pham
収録論文 6本 ・ フィジカルAI/ロボット学習
位置推定自己位置推定物体検出力覚/挿入ロボティクスフレームワーク強化学習
※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
- 計算資源制約下での顕著エッジレンダリングと重み付きハミング類似度によるロバストな視覚位置推定位置推定2025/9/1
火星サンプルリターン向けに、低忠実度のテクスチャなし3Dモデルとエッジ領域に特化したテンプレートマッチングを用いて、計算・メモリ制約下で高精度な6自由度物体姿勢推定を実現する手法を提案。
- 仮想テンプレート合成とマッチングによる火星サンプルリターンのためのローバ自己位置推定自己位置推定2021/3/1
数年前に別ローバが撮影した参照画像からメッシュを構築し、その部分レンダリングを現在のローバ画像と照合することで、荒涼とした地形や大きな照明・視点変化に頑健な視覚的自己位置推定手法を提案した。
- 火星サンプルリターンに向けた機械視覚によるサンプルチューブ位置推定物体検出2021/3/1
火星表面に置かれたサンプルチューブを自律検出・位置推定するため、テンプレートマッチングとCNNの2手法を比較し、屋外環境で収集した大規模データセットで評価した。
- 多形状ペグ挿入のロボット学習向け力覚データセット力覚/挿入2018/7/1
凸形状ペグのピン挿入タスクについて力覚・姿勢情報を収録した公開データセットを構築し、6軸力覚センサのみで挿入や形状認識を学習できることを示した。
- MaestROB:低レベル制御と高レベル推論を統合するロボティクスフレームワークロボティクスフレームワーク2018/6/1
自然言語や実演による高レベル指示からロボットが高精度に複雑作業を行うため、オントロジーとルールで階層構造を橋渡しするフレームワークMaestROBを提案し、Pepperが人間の実演を教示してUR5が組立作業を行う協調シナリオで実証した。
- OptLayer:実世界の深層強化学習のための実用的な制約付き最適化強化学習2017/9/1
ニューラルネットが出力する危険な行動を制約を満たす最近傍の行動に変換する層を導入し、実機ロボットでも安全に強化学習できるようにした研究。
