Vikas Dhiman
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
- ForVis: 森林下のUAV飛行によるVIO評価用の実地データセットとベンチマークVIO2026/9/28
森林環境でのUAV飛行中にVI-SLAMを評価するための実地データセットForVisを構築し、7つのオープンソースVI-SLAMシステムを504回の実行でベンチマークした。
- 画像から直接6自由度軌道計画を行うSE(3)ニューラルポテンシャル場マニピュレーション2026/9/21
RGB画像からSE(3)のニューラルポテンシャル場を学習し、3D再構成なしで衝突のない6自由度把持軌道を計画する手法を提案。ナビゲーション関数による教師信号で局所解を回避し、実機で高い把持成功率を達成した。
- 関与度を考慮したLLMエージェントによる追跡回避群制御2026/7/13
LLMプランナが役割を割り当て、MPCとCBFで各ロボットを制御する階層型マルチエージェント追跡回避フレームワークを提案し、チーム行動の適応性を評価した。
- Omobot: 自律探索と転倒検知を行う低コスト移動ロボット移動ロボット2024/8/1
低コストな全方向移動ロボットで高齢者を探索し、転倒を検知すると指定された連絡先にメールを送るシステムを開発。カメラ視点を人間視点に変換するホモグラフィで転倒検知精度を向上させた。
- DADEE: ニューラルネットワークにおけるキャリブレーションされた不確実性定量化によるバリアベースのロボット安全安全制御2024/7/1
ロボットの安全制御に用いられる制御バリア関数(CBF)のための不確実性推定手法を調査し、モデル分散ベースと直接推定ベースの手法を組み合わせることで、領域内外での精度を向上させ、より安全な制御を実現した。
- 不確かなダイナミクスと制約下での安全制御合成安全制御2022/2/1
ダイナミクスモデルと安全制約の不確かさを確率的・最悪ケースの両方で考慮したCLF/CBF制約を定式化し、SOCPとして効率的に安全安定制御を合成する手法を提案した。
- 微分可能なセマンティックマッピングと計画による自律ナビゲーションの逆強化学習逆強化学習2021/1/1
距離とセマンティックカテゴリの観測から専門家のコスト関数を逆強化学習で推定し、新しい環境のセマンティック配置にも汎化できるナビゲーション手法を提案した。CARLAで交通ルールに従う走行を学習できることを示した。
- ベイズ学習によるシステムダイナミクス推定における制御バリア安全制御2020/12/1
非線形制御アフィン系のダイナミクスをオンラインでベイズ学習し、CLF・CBFの確率制約をSOCPで解くことで安全な制御を実現する手法を提案した論文。
- 物体残差拘束付き視覚慣性オドメトリVIO2020/7/1
物体の意味情報とバウンディングボックス再投影誤差を活用し、物体の姿勢・形状とIMUカメラ状態を同時最適化する視覚慣性オドメトリ手法を提案。
- 意味的観測を用いた実演からのナビゲーションコスト学習逆強化学習2020/6/1
自動運転ロボットの実演から、意味的観測(車・歩道・車線など)に基づくコスト関数を逆強化学習で推定する手法を提案し、CARLAシミュレータで交通ルールに従う走行を学習できることを示した。
- 部分観測環境における実演からのナビゲーションコスト学習逆強化学習2020/2/1
専門家の実演から逆強化学習でナビゲーションのコスト関数を学習し、A*やRRTで有望な状態のみを用いて効率化した手法を提案する。
- 高相対次数系の学習ダイナミクスに対する確率的安全制約安全制約2019/12/1
オンラインでベイズ学習した系のダイナミクス分布を用い、制御バリア関数へのチャンス制約で高確率の安全性を保証する手法を提案。
- 階層ポリシーと介入補間による安全な学習模倣学習2019/12/1
専門家の介入を時間方向に補間し、将来のサブゴールを予測する階層ポリシーを導入することで、反応遅延に頑健で長期的な行動を学習する介入学習手法を提案した。
- 深層強化学習によるナビゲーションの批判的検証ナビゲーション2018/2/1
深層強化学習がナビゲーション中に地図情報を探索・収集・活用できるかを体系的実験で検証し、未知の地図への汎化に失敗することを示した。
- 動的SLAMのための時空間関節モデルSLAM2016/4/1
受動的な観測のみから関節物体の構造と時間的予測モデルをオンラインで推定し、動的環境でのSLAMによる地図構築と自己位置推定を実現した。
- 相互位置推定:相互フィデューシャル観測による2カメラ間の相対6自由度姿勢推定協調位置推定2013/1/1
2台のカメラが互いのフィデューシャルマーカーを観測することで、自己運動推定や共通の世界ランドマークなしに相対6自由度姿勢を代数的に求める手法を提案し、TurtleBot上でARToolKitやBundlerより10倍高精度な並進推定を実現した。
