Tushar Kusnur
収録論文 9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
- 生成的なReal-to-Simによるロボットマニピュレーションのためのテスト時空間推論sim2real2026/9/27
単一のRGB-D画像から3D生成モデルと視覚言語モデルでシミュレーション可能なシーンを再構築し、数千の並列物理シミュレーションと進化的探索によって物体配置を最適化する、訓練不要のテスト時空間推論フレームワークを提案。
- 少数のインタラクションから等変なニューラル拡張物体ダイナミクスを学習する物体ダイナミクス2026/5/1
物理モデルと等変グラフニューラルネットワークを組み合わせ、限られた実データで剛体・変形物体のダイナミクスを正確に予測する手法PIEGraphを提案した。
- 見せるだけでいい:人間の動画を見て新規物体を検出する物体検出2026/3/1
人間のデモ動画から自動でデータセットを作り、その物体専用の検出器を自己教師ありで学習する手法を提案。言語による複雑な説明を不要にし、ロボットのタスク成功率を向上させた。
- ExpertGen: 不完全な行動事前分布からのスケーラブルなSim-to-Realエキスパート方策学習sim2real2026/3/1
不完全なデモから拡散方策を事前分布として学習し、その初期ノイズを強化学習で最適化することで、報酬設計なしに高品質なエキスパート方策をシミュレーションで自動生成し、実機転移を可能にするフレームワーク。
- EMPM:変形可能物体のモデリングとシミュレーションのための身体性MPM変形物体モデリング2026/1/1
微分可能なMaterial Point Methodシミュレータを用いて、多視点RGB-D動画から変形物体の形状・外観を再構成し、物理パラメータをオンライン最適化するフレームワークを提案。
- 劣最適CBSにおける重み付きコスト・トゥ・ゴーと競合ヒューリスティックの効果的な統合マルチエージェント経路探索2022/5/1
マルチエージェント経路探索のCBSにおいて、低レベル計画の重み付きコスト・トゥ・ゴーヒューリスティックを競合ヒューリスティックと併用する手法を提案し、最大2〜100倍の高速化を実現した。
- AMRA*: いつでも解を返すマルチ解像度マルチヒューリスティックA*経路計画2021/10/1
粗い解像度で素早く解を見つけ、細かい解像度で解を洗練させる anytime 版マルチ解像度A*を提案し、2Dグリッドと4Dキノダイナミック計画で有効性を示した。
- 能動センシングを伴う被覆タスクのための探索ベース計画被覆計画2020/11/1
ロボットとセンサの軌道を同時に計画し情報利得を最大化するため、分離探索と二段階局所改善という2つの探索ベース手法を提案し、UAVの2D被覆シミュレーションで有効性を示した論文。
- 複数UAVによる持続的カバレッジとグローバル衝突回避を統合した計画フレームワーク群制御2019/8/1
複数のドローンで環境を持続的に観測するため、目標割当とグローバルな衝突回避を伴う運動学的経路計画を連続ループで回す枠組みを提案し、シミュレーションと実機で有効性を示した。
