Valentin Peretroukhin
収録論文 11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
- 距離幾何学的逆運動学のための凸反復法逆運動学2021/9/1
逆運動学を低ランク解を持つ凸実行可能問題として定式化し、半正定値計画の反復で解くCIDGIKを提案。従来の非線形最適化より高速かつ高精度に収束する。
- 自己教師ありStructure from Motionにおける深度と自己運動ネットワークの結合自己教師あり学習2021/6/1
深度推定と自己運動推定のネットワークを密結合し、反復的なビュー合成で情報を共有することで精度と汎化性能を向上させた研究。
- ロバストな視覚オドメトリのための自己教師あり深層ポーズ補正視覚オドメトリ2020/2/1
視覚オドメトリ推定器の系統誤差を補正する自己教師あり深層ポーズ補正ネットワークを提案し、6自由度の正解データなしで単眼・ステレオオドメトリの精度を大幅に向上させた。
- フットマウント慣性航法のためのロバストなデータ駆動型零速度検出歩行2019/10/1
足装着慣性センサの航法精度向上のため、運動分類器で閾値を適応更新する零速度検出法と、LSTMで生データから零速度を分類する手法を提案し、歩行・走行・階段昇降で既存法より高精度を示した。
- クォータニオン平均と深層マルチヘッドネットワークによる回転の確率的回帰回転推定/不確実性2019/4/1
深層回帰モデルから回転の確率的推定を得る手法を提案し、マルチヘッド構造HydraNetで不確実性を較正、SO(3)上のクォータニオン回帰と回転平均で3次元共分散を算出、ステレオ視覚オドメトリと融合しKITTIで位置推定を改善した。
- センサごとの自己運動から外れ値を含む外部キャリブレーションを大域最適に証明可能に解く手法キャリブレーション2018/9/1
2つのセンサの独立な自己運動推定から外部キャリブレーションをQCQPとして定式化し、SDPの双対問題を用いて大域最適性を証明可能に高速求解する手法を提案した。
- 予測的ロバスト推定のための一般化カーネル手法ロバスト推定2017/8/1
センサの不確実性を非パラメトリックベイズ推論でモデル化し、動的環境でも高精度な位置推定を実現する予測的ロバスト推定器を提案した。
- 視覚慣性ナビゲーションのための予測的ロバスト推定視覚慣性ナビゲーション2017/8/1
視覚特徴の品質を学習して観測の重みを調整し、視覚慣性ナビゲーションの自己位置推定精度を向上させる手法を提案した。
- リアルタイム動作分類による足装着型慣性ナビゲーションの精度向上歩行2017/7/1
足装着センサの慣性データからSVMで6種類の動作を90%以上の精度で分類し、動作ごとに最適化したゼロ速度検出パラメータを適用することで、歩行と走行が混在する屋内歩行者ナビゲーションの位置誤差を低減した。
- 視覚照明推定を用いたステレオビジュアルオドメトリの精度向上ビジュアルオドメトリ2016/9/1
同じ画像列から太陽位置を推定して絶対方位情報を得ることで、専用センサなしにステレオビジュアルオドメトリのドリフト誤差を低減する手法を提案し、KITTI都市走行で並進誤差を最大43%削減した。
- ベイズCNNによる太陽方向推定で視覚オドメトリのドリフトを低減視覚オドメトリ2016/9/1
画像から太陽方向をベイズCNNで推定し不確実性とともに視覚オドメトリに融合することで、位置・姿勢のドリフトを最大42%・32%改善した。
