Yongxiang Fan
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
- 少ない教師データで把持を学習する最尤把持サンプリング損失マニピュレーション2021/10/1
画像あたりの把持ラベルが少ないデータでも学習できるよう、把持分布からの確率的サンプリングを仮定した最尤損失を提案し、従来の8倍少ないラベルで90.7%の把持成功率を達成した。
- 6自由度コントラスティブ把持提案ネットワークマニピュレーション2021/3/1
単視点深度画像から6自由度の把持姿勢を推定するCGPNを提案し、合成データ学習にコントラスティブ学習と画像処理を加えて実機への転移性能を高めた。
- 多指ハンドによる精密把持計画の最適化モデルマニピュレーション2019/4/1
ノイズを含む点群を入力とし、手のひら姿勢と指関節位置を反復最適化して衝突のない精密把持を高速に探索する手法を提案した。
- 表面フィッティングによる多指ハンドの効率的な把持計画と実行マニピュレーション2019/2/1
点群データに対し表面フィッティングと軌道最適化を組み合わせ、多指ハンドの把持位置と指軌道を衝突回避しつつ効率的に計画するフレームワークを提案し、シミュレーションと実機で有効性を検証した。
- カスタムグリッパによるロバストなビンピッキングのための学習フレームワークマニピュレーション2018/9/1
形状が多様な物体を対象に、最適化ベースの把持計画とR-CNNによる探索領域提案を組み合わせ、カスタムグリッパの把持をリアルタイムに計画する学習フレームワークを提案した。
- 高精度産業組立のための学習フレームワークマニピュレーション2018/9/1
教師あり学習と強化学習を組み合わせ、軌道最適化で初期方策を得た上でactor-criticにより評価系を構築し、高精度な産業組立を実現する学習手法を提案した。
- 指分割による多指ハンドのリアルタイム把持計画マニピュレーション2018/4/1
最適なパラレルグリップ把持から出発し、指を段階的に分割しながら接触点と手のひら姿勢を二段階最適化で調整することで、多指ハンドの精密把持を1秒以内に計画する手法を提案した。
- 反復表面フィッティングによるカスタムグリッパの把持計画マニピュレーション2018/3/1
カスタムグリッパの把持計画のため、表面フィッティング誤差を最小化しつつグリッパ変換と指変位を同時探索する反復表面フィッティング(ISF)アルゴリズムを提案し、誘導サンプリングで局所解と衝突を回避、実時間で最適把持を計画できることを示した。
- 物体形状・動特性の不確かさ下におけるリアルタイム頑健指歩容計画マニピュレーション2017/10/1
物体の形状や質量・慣性の不確かさ、接触滑りに対処しながら多指ハンドの指歩容を計画する二段階最適化プランナを提案し、Mujocoシミュレーションで検証した。
