Tutorial on Aided Inertial Navigation Systems: A Modern Treatment Using Lie-Group Theoretical Methods
この論文は、拡張特殊ユークリッド群 SE_2(3) を中心としたリー群理論を用いて、不変性と対称性の役割を明確にしつつ、慣性計測と補助情報の融合を制御指向で解説する、支援慣性航法システムに関する現代的なチュートリアルを提供しています。
694 件の論文
この論文は、拡張特殊ユークリッド群 SE_2(3) を中心としたリー群理論を用いて、不変性と対称性の役割を明確にしつつ、慣性計測と補助情報の融合を制御指向で解説する、支援慣性航法システムに関する現代的なチュートリアルを提供しています。
本論文は、二腕ロボットの把持と操作におけるアーム間衝突や不安定な把持を解決するため、二腕と物体の相対的な6D 姿勢を符号化した「ロボット - 物体三項相互作用(RoTri)」表現を導入し、これを階層的拡散プロセスに組み込むことで安定した協調軌道を生成する新しい模倣学習フレームワーク「RoTri-Diff」を提案するものである。
本論文は、生深度画像から連続的な空間場を学習するニューラル符号付き距離場(Gate-SDF)と、GPU 並列処理を活用したモデル予測経路積分(MPPI)制御を組み合わせることで、事前の軌道計画やゲートの正確な姿勢推定を必要とせず、任意の位置と向きに配置されたゲートを高速かつ頑健に通過する自律ドローンレーシングの完全オンボード視覚誘導フレームワークを提案しています。
この論文は、自律走行のデータ効率を向上させるため、車両の運動学情報を観測エンコーダに統合し、幾何学的な制約を潜在状態に課すことで、RSSM ベースの世界モデルの物理的整合性と長期予測精度を高める新しい枠組みを提案し、シミュレーション環境においてモデルフリーおよびピクセルベースの手法を上回る性能を実証したものです。
この論文は、内部空気圧を変化させることで表面摩擦を能動的に制御し、把持力を増大させずに脆弱な物体や滑りやすい重い物体を損傷なく安定して把持できる、硬質シェルと膨張可能なシリコンポケットを融合したハイブリッドグリッパを提案するものである。
本論文は、異種センサーやモデルを搭載した自律走行車間の協働知覚における特徴量ドメインのギャップを、低ランク視覚プロンプトの微調整とピラミッド融合を用いて、プライバシーを保護しつつ大規模なモデル再学習なしに効率的に解決する軽量フレームワーク「Faster-HEAL」を提案し、OPV2V-H データセット上で最先端手法を上回る検出性能と低い計算コストを実現したことを報告しています。
この論文は、複雑な軌道予測ネットワークを必要とせず、物体検出とデジタルツイン環境におけるオフライン経路マップの活用によって、リソース制約のあるエッジデバイス上でリアルタイムに車両追跡と衝突予測を実現する軽量フレームワークを提案し、エッジ環境での実用性を示しています。
この論文は、局所的な経験と計算のみを用いて大域関数を学習する分散ガウス過程モデル「DistGP」を提案し、動的接続環境や非同期学習に対応しながら、中央集権的バッチ学習と同等の性能を達成し、既存の分散手法よりも高い精度とロバスト性を示すことを実証しています。
本論文は、海洋環境における自律型水中ロボットの信頼性向上のため、学習ベースの計画・制御を、流体の不確実性や通信帯域幅、エネルギー制約などが密接に絡み合う「制約結合」の観点から再定義し、横断的な失敗分類と将来の研究指針を提示するレビューである。
この論文は、障害物や危険な地面が存在する不連続な足場環境において、深度画像から凸領域を抽出し、DCM 動力学に基づくミックス整数最適化とキャプチャビリティ制約を用いて、足場配置と歩行タイミングを同時に計画する onboard 制御枠組みを提案し、Digit 型ヒューマノイドロボットでのシミュレーションによりその有効性を示したものである。
この論文は、視覚言語行動モデル(VLA)の微調整において、タスクや環境に応じて適応的に容量を割り当てる新しい手法「LoRA-SP」を提案し、従来の固定ランクの LoRA やフル微調整と比較して、より少ない学習パラメータで高い汎化性能と多タスク成功率を実現することを示しています。
この論文は、ヤスデとトビムシの生物学的観察に基づき、脚長や脚数などの形態パラメータに応じて自立的に姿勢を回復させるための最適な制御戦略を特定し、多脚ロボットにおける形態と戦略の対応関係を示す統合的な波ベースの枠組みを提案するものである。
本論文は、指の腱・関節協調感覚に着想を得た近位統合型力センシング手法を提案し、非線形性や構造制約といった課題を克服してマイクロスケール連続体ロボットの三次元接触力・接触点位置・形状推定を実現し、より安全で賢い臨床応用への基盤を築いたことを示しています。
この論文は、Python ベースの「Brain」とリアルタイム C++ の「Spine」を単一ボードコンピュータ上で安全に統合し、LLM によるオンラインシステム同定を通じて制御ループを停止させることなく動的に制御則を書き換えることを可能にする軽量アーキテクチャ「LITHE」を提案し、AI とリアルタイム制御の間の重要なギャップを埋めるものである。
SLNet は、NAPE と GMU という 2 つの簡素なアイデアに基づき、非常に少ないパラメータ数と計算コストで 3D 点雲認識タスクにおいて最先端の性能を達成する超軽量な幾何適応ネットワークを提案する論文です。
この論文は、ラベル付けされた負のデータや追加のプロトタイプを必要とせず、潜在空間における正の超球を構築して異常検出を行う自己教師あり学習フレームワーク「GSAT」を提案し、多様な地形における自律ロボットの安全な走行可能性推定を実現するものである。
本論文は、高密度の雑多な環境における双腕操作のタスクにおいて、高レベルの視覚的推論と低レベルの運動制御を「シーンクリアリング」によって階層的に分離する HSC-VLA を提案し、既存の単一モデルを大幅に上回る高い成功率と堅牢性を達成したことを報告しています。
本論文は、標準センサー(ヨーレートと横加速度)からのみ車両の横滑り角やタイヤ力を推定するために、タイヤを双曲型偏微分方程式で表現した線形単軌道モデルと逆動力学を組み合わせる革新的な観測器を提案し、ノイズやモデル不確実性下でもその有効性をシミュレーションで実証したものである。
本論文は、実世界の人間 - 物体相互作用(HOI)制御を可能にする統合された物理ベースの模倣学習フレームワーク「InterReal」を提案し、接触制約を考慮したデータ拡張とメタポリシーに基づく自動報酬学習により、Unitree G1 などの実機において高い追従精度とタスク成功率を実現したことを示しています。
本論文は、ロボットが少量のデモンストレーションから新しいタスクに適応する「文脈内模倣学習」の枠組みを、タスク意図を明示する構造化された視覚的推論トレース(将来の軌道の画像空間表現)を付加し、推論プロセスと低レベル動作を統一的な自己回帰トランスフォーマーで学習する「ICLR」として提案し、シミュレーションおよび実世界でのタスク成功率と汎化性能の向上を実証しています。