864 件の論文
本論文は、患者の意図とロボットの補正動作を空間軸ごとに分離し、イベント駆動型制御と二重エージェント多モデル強化学習（DAMMRL）を組み合わせることで、リハビリテーション用ロボットにおける人間の速度・精度のトレードオフを考慮した安全かつ効率的な共適応を実現する共有制御手法を提案しています。
DreamToNav は、自然言語指示を生成動画モデルによる「夢見」計画に変換し、その動画から抽出した軌道を実際のロボットに実行させることで、特定のタスク設計なしに多様な移動プラットフォームで汎用的な自律ナビゲーションを実現する新しいフレームワークです。
本論文は、LiDAR による ICP 登録とポーズグラフ最適化を教師信号として利用し、運動バランス学習と不確実性に基づく推論を採用することで、真値に依存しない自己教師あり慣性オドメトリフレームワーク「KISS-IMU」を提案し、多様な環境やロボットの運動パターンにおいて高い汎用性と頑健性を達成したことを報告するものです。
この論文は、ビジョン基盤モデル（VFM）から得られる強力な幾何学的事前知識を階層的幾何特徴アダプターを通じて注入し、3D ガウススプラッティングの精度を大幅に向上させる新しい「VG3S」と呼ばれるセマンティック占有予測フレームワークを提案しています。
この論文は、限られた実世界データを用いて解析的シミュレータを較正し、メッシュベースのグラフニューラルネットワークと勾配計算を組み合わせた「Few-Shot Neural Differentiable Simulator」を提案することで、複雑な接触ダイナミクスを高精度に再現し、ロボット制御の学習効率を向上させる手法を提示しています。
本論文は、自動運転における可変長の観測履歴に対応し、過去情報の明示的な補完と段階的知識蒸留を統合した「TaPD」フレームワークを提案し、特に短い観測データにおいても高精度な軌道予測を実現するものです。
本論文は、大規模言語モデルの自己回帰能力を活用して物理的運動と深層的な言語的推論を統合し、未知の物体を含む複雑な環境における 3D 多物体追跡の性能を飛躍的に向上させる「NOVA」という新たなアプローチを提案しています。
この論文は、人工湖の水生植物管理を効率化するため、衛星画像による広域検出と無人水上艇搭載のソナーによる精密マッピングを組み合わせ、人間とロボットの協働による標的除草を可能にする二段階のアプローチを提案しています。
本論文は、3D 意味的占有予測におけるラベルノイズ問題に対処するため、初のベンチマーク OccNL を構築し、二重ソースの部分的ラベル推論を用いた頑健なフレームワーク DPR-Occ を提案することで、極端なノイズ下でも安全なロボティクス知覚を実現する手法を提示しています。
本論文は、車輪型移動マニピュレータの遠隔操作と能動的デモンストレーションの両方において構造的に同一の関節空間軌道を生成する二重モードのデータ収集フレームワーク「SuperSuit」を提案し、長期的なタスクにおけるスケーラブルなデータ収集と学習効率の向上を実現したことを示しています。
本論文は、高コストな実車実験の代替手段として、ROS2 と ETSI 準拠のオープンソース通信スタック（OScar）を搭載した 1/10 縮小モデルの協調・自動運転ミニカープラットフォームを提案し、交差点衝突警告（ICW）アプリケーションの実証を通じてその有効性を示したものである。
本論文は、限られた通信と計算リソース下での複数マニピュレータによる協調運搬において、階層的イベントトリガ制御バリア関数を用いて安全性を保証しつつ合意形成を実現する分散制御フレームワークを提案し、実機実験とシミュレーションでその有効性を検証したものである。
本論文は、異なるロボットの形態間での転移学習において、単なるデータの多様性拡大よりも、タスクや軌道を対応付けた「データアナロジー」を用いたデータ構成の方が、特に形態変化に対して転移性能を大幅に向上させることを示しています。
本論文は、事前学習済みモデルの再学習なしに視覚言語ナビゲーションタスクの推論効率を大幅に向上させるため、現在の視点と過去の記憶に対してそれぞれ空間的および時空間的なトークン剪定を適用するトレーニング不要なフレームワークを提案し、シミュレーションおよび実世界のロボット上での低遅延かつ高精度なナビゲーションを実証したものである。
この論文は、制御バリア関数と安全運動廊下という 2 つの異なる安全手法を統合し、制御バリア関数を局所的な安全目標領域に変換する「制御バリア廊下」という新概念を導入することで、安全性と反応性のトレードオフを考慮しつつ、未知環境における自律探索のための安全かつ持続的な経路追従を実現する手法を提案しています。
この論文は、形状、材料、駆動を単一の構造化された低次元設計埋め込み空間で統合し、シミュレータに依存しない効率的な共最適化を実現することで、従来の逐次戦略やニューラルネットワークベースの手法を凌駕するソフトロボットの設計手法を提案しています。
この論文は、悪天候下でも光学センサーに依存せず、単一の回転レーダーを用いて教示・反復（Teach-and-Repeat）方式で高精度かつ高速な自己位置推定を実現する「CFEAR-TR」手法を提案し、Boreas データセットでの実験で既存の最先端手法を大幅に上回る精度（位置誤差 0.117m、角度誤差 0.096°）と 29Hz の処理速度を達成したことを報告しています。
本論文は、密集した作物の樹冠内でのロボット収穫を支援するため、個体分割された器官の点群データから物理的接続と方向条件付きの遮蔽関係を推論し、標的果実へのアプローチ経路における遮蔽葉をランキングする「SG-DOR」と呼ばれる関係性フレームワークを提案するものである。
低重力環境での探査を目的とした、2 つのリアクションホイールと 1 つのアクチュエータのみでバランス制御、空中姿勢制御、自起立を実現し、転がりと標的跳躍・着地を切り替えて行える小型の単脚型ロボットが提案されています。
この論文は、単一光線仮定を破る拡散型 LiDAR の画素ごとに RGB 画像平面での有効支持領域と相対的な空間感度を推定し、走査型後方反射パッチと背景差分を用いて LiDAR と RGB の対応関係を明示的に取得する空間較正手法を提案し、ams OSRAM TMF8828 上でその有効性を実証しています。