864 件の論文
この論文は、密な幾何学的再構成を必要とせず、信頼性較正された意味的証拠の仲裁、制御成長型意味トポロジー記憶、および意味的有用性に基づくサブゴール選択という 3 つの主要コンポーネントを通じて、脚付きロボットがノイズの多い異種観測から安定した探索意思決定を可能にする「意思決定駆動型意味的物体探索」手法を提案し、シミュレーションおよび実環境での実験でその有効性を検証したものである。
この論文は、人間の運動の階層的な分類構造と時間的ダイナミクスを双曲多様体上で学習する「GPHDM」という新しいアプローチを提案し、手把持のタキソノミーを用いた実験により、構造的かつ物理的に整合性のある新しい運動軌道の生成を実証しています。
この論文は、UAV 研究の参入障壁を下げ、シミュレーションから実機への移行を加速させるために、ROS 1 から ROS 2 への移行やモジュール性の向上などアーキテクチャの大幅な改良を行った軽量オープンソース・オートパイロット「ROSflight 2.0」のアーキテクチャと、コンパニオンコンピュータ上で 400Hz で制御ループを閉じる実機実験結果を報告しています。
ROSplane 2.0 は、ROS 2 ベースの軽量かつオープンソースの固定翼自律システムであり、研究者がシミュレーションから実機実験へを迅速かつ容易に移行できるよう、モジュール性の高い設計と改良された空力モデリングパイプラインを通じて研究開発を加速することを目的としています。
本論文は、視覚言語モデル（VLM）による物理パラメータの推定と不確実性を考慮したインタラクティブなオンライン適応を融合させた「Phys2Real」というフレームワークを提案し、シミュレーションで学習したロボット操作ポリシーの現実世界への転移成功率と効率を大幅に向上させることを示しています。
この論文は、非微分可能モードとアルゴリズム的ハイブリッドモードを含む制御モードの選択、切り替えタイミング、持続時間を整数最適化問題として定式化し、サンプルベースの手法で効率的に最適解を探索することで、長期的な計画と高頻度制御の反応的な切り替えを必要とする実世界のロボットタスクにおいて、漸近的に最適なハイブリッドモード制御を実現する手法を提案しています。
この論文は、物体の物理特性が不明な状況でも、接触を明示的に考慮したモデル予測制御（CI-MPC）の改良アルゴリズム「C3+」を用いて、多様な形状の単一物体から複数の物体までをリアルタイムで正確に押し操作する完全なパイプラインを提案し、ハードウェア実験で高い成功率と目標到達時間を達成したことを報告しています。
本論文は、エッジデバイス上での自律ロボット向けに、注意機構を伴うアップサンプリングと残差支援境界 refinement モジュールを導入することで、境界精度と領域精度を同時に向上させる新しい走行可能領域セグメンテーション手法「AURASeg」を提案し、実機環境での有効性を検証したものである。
この論文は、部分観測かつノイズを含むデータから動的な障害物の非線形予測モデルをリアルタイムで学習するオンライン枠組みを提案し、ハンケル行列とページ行列を用いた特異値硬しきい値処理およびカドゾウ射影によるノイズ除去とランク推定、そして時間変化するハンケル-DMD による多ステップ予測を実現し、シミュレーションおよび実機実験でその有効性を検証したものである。
本論文は、ロボットと人間の視野の違いに対する人間の誤解を解消し、協業タスクの精度向上を図るため、拡張現実を用いた視野表示手法を提案し、その有効性とガイドラインを実験を通じて検証したものである。
本論文は、圧縮された経験再生と検索拡張生成を活用して事前学習済み VLA モデルを効率的に特定ドメインへ適応させ、カタルイックな忘却を防ぎつつ、失敗例からの学習も可能にする ExpReS-VLA を提案し、LIBERO ベンチマークや実機実験で高い成功率と高速な適応性を示したことを報告しています。
本論文は、物体の視覚的特徴と触発音の相関を好奇心駆動型の探索アルゴリズムで効率的に学習し、素材分類や音声のみによるデモンストレーションの模倣を可能にする新しいロボティクスシステム「CAVER」を提案するものである。
本論文は、プロキシマル方策最適化（PPO）と運動プリミティブを組み合わせ、接触安全性とエネルギー効率を考慮したタスク空間の強化学習フレームワークを提案し、複雑な 3D 環境における接触に富む操作タスクの成功率と滑らかさを向上させることを示しています。
この論文は、分散型マルチエージェントナビゲーションにおける対称性によるデッドロックを解消するため、トポロジカル不変量である巻き数（winding number）を強化学習で戦略化し、計画器とモデルベース制御器を階層的に統合した「WNumMPC」を提案し、シミュレーションおよび実機実験で高密度かつ対称性の高い環境におけるデッドロック回避と衝突防止の有効性を示したものである。
本論文は、照明変動や視界不良といった水中環境の課題に対処するため、照明を明示的にモデル化したトランスフォーマーベースの双方向制御模倣学習フレームワーク「Bi-AQUA」を提案し、実世界の実験を通じてその有効性を示したものである。
この論文は、移動式マニピュレーションタスクにおける長期的な記憶と推論能力を欠く既存の VLA モデルの課題を解決するため、人間の脳に着想を得たシナジー的な宣言的記憶（場面の記憶とエピソード的記憶）を統合し、大規模な学習データ生成ベンチマーク「MoMani」を用いて訓練された新しいモデル「EchoVLA」を提案し、シミュレーションおよび実世界での高い成功率を実証するものです。
この論文は、動的リスク場と時間変化する凸可能領域の生成を統合し、制約付き iLQR アルゴリズムを用いて複雑な交通状況における安全かつ効率的な自律的な車線変更軌道計画を実現する新たなパイプラインを提案しています。
この論文は、一方のエージェントが他方を追跡する定方位追跡戦略を用いたケーススタディを通じて、追跡エージェントの到達可能領域（依存到達可能集合）の幾何学的特性を理論的に解析し、その幾何学的境界を導出するとともにシミュレーションによりその形状を実証的に検証する新しい到達可能性問題を提示しています。
本論文は、拡張現実（XR）とデジタルツインを統合した XR-DT 枠組みと、XR ヘッドセットによる人間の視線予測を統合した新しい人間意識型モデル予測経路積分制御（HA-MPPI）を提案し、人間とロボットの安全かつ効率的で解釈可能な協調動作を実現する実証実験結果を示しています。
この論文は、安全なモデル予測拡散（Safe MPD）を提案し、拡散プロセス全体で制約を課すことで事前学習不要で安全かつ運動学的に実行可能な軌道を生成し、複雑なロボットシステムにおける成功率と安全性を大幅に向上させることを示しています。