864 件の論文
本論文は、生物の知覚適応を模倣し、予測誤差とベイズ的驚きという自由エネルギー原理の構成要素を統合した「FEP-Nav」と呼ばれるフレームワークを提案し、勾配ベースの更新なしにリアルタイムで知覚を適応させることで、ノイズや欠損のある環境下でもロボットが堅牢に視覚ナビゲーションを遂行できることを示しています。
本論文は、物体の形状や空間関係を多角的に表現する新しい「MIMO」と呼ばれる物体表現手法を提案し、これを用いて単一または複数の人間の実演動画から、部分的な観測や形状のばらつきに頑健なタスク指向の把持・再配置タスクを学習するフレームワークを開発し、シミュレーションおよび実世界での有効性を示したものである。
この論文は、交通規則違反や衝突リスクなど多様な運転リスクを人間のようにバランスさせるため、線形時相論理（LTL）の仕様と占有測度に基づく線形計画法を組み合わせ、自律運転システムのリスク感知型制御方策を合成する手法を提案し、Carla シミュレーターによる検証でその有効性を示したものである。
この論文は、ロボットの形状や作業環境に合わせて、手動生成、タスク駆動シミュレーション、多材料 3D プリント技術を用いて全体的な人工皮膚を自動設計・製造する計算パイプライン「GenTact Toolbox」を提案し、その有効性を Franka Research 3 腕ロボット上での実証実験で示したものである。
本論文は、物体の RGB 画像と接触力データを条件として拡散モデルを用いて高忠実度の触覚画像を生成する手法を提案し、既存の物理モデルベースの手法と比較して誤差を大幅に低減し、複雑な荷重下や微細なテクスチャの再現においても有効であることを実証したものである。
この論文は、2D 視覚ダイナミクスだけでは不十分な深度方向の移動を伴う操作タスクに対応するため、自己教師あり学習を通じて 3D 世界モデルと方策学習を統合し、推論速度を犠牲にすることなく操作性能を大幅に向上させる「3D 先見性」を備えた新しい操作フレームワークを提案しています。
本論文では、歩行者とロボットの相互作用（回避・中立・接近）を包括的に捉えた新たなデータセット「PeRoI」と、これに基づいて歩行者の動きをより正確に予測するためのニューラルネットワーク拡張型社会的力モデル「NeuRoSFM」を提案し、社会的配慮のあるロボットナビゲーションの高度化に貢献しています。
本論文は、過去の走行データから得られるグローバルな占有マップを事前知識として活用し、局所的な 3D 占有予測の精度向上と大規模なグローバルマップの継続的更新を同時に実現するプラグアンドプレイ型フレームワーク「LMPOcc」を提案する。
この論文は、衝突に至るまでのリスクを考慮した新しい責任感応型安全（RSS）拡張概念と楕円体関数に基づく階層的な報酬設計を提案し、自動運転の強化学習において衝突率を 21% 削減しつつ走行効率を維持する手法を提示しています。
本論文は、HD マップに基づく境界線と運動学的制約を統合した新しい制約付き回帰フレームワークを提案し、自律走行における軌道予測の道路外逸脱や物理的非現実性を大幅に低減し、未知のシナリオに対する堅牢性を向上させることを示しています。
本論文は、強化学習を用いた自律走行エージェントの訓練において、エージェントの能力に応じて自動で難易度を調整する「教師」によるカリキュラム学習フレームワークを提案し、固定シナリオやドメインランダム化と比較して、より効率的な学習と高い汎化性能を実現することを示しています。
本論文は、未知環境におけるリアルタイムなカバレッジ経路計画を実現し、完全な環境カバレッジを保証するとともに、既存手法と比較してカバレッジ時間や経路長などの性能を大幅に向上させる新たなサンプリングベースのアルゴリズム「C*」を提案し、その有効性をシミュレーションおよび実機実験で検証したものである。
本論文は、タスク依存関係をモデル化する DAG 生成と並行性を最大化するグラフ再走査の 2 段階プロセスを採用し、新しい評価データセット「X-DAPT」と共に双腕ロボットの並行タスク計画の効率性と信頼性を大幅に向上させる LLM 駆動型フレームワーク「RoboPARA」を提案するものである。
この論文は、拘束や散逸を伴う物理系（ANYmal 四足歩行ロボットなど）の非退化シンプレクティック幾何を Dirac 構造を用いて回復させる「Presymplectification Networks（PSN）」を提案し、制約条件やエネルギー保存則を厳密に満たしながら物理法則に基づいた高精度な長期予測を実現する新たな機械学習フレームワークを構築したことを示しています。
この論文は、ラベル付けされていない実世界の運動データから自動的に行動モードを発見し、キネマティックな運動再ターゲット技術と強化学習を組み合わせることで、ユーザーの操作指令に応じてスタイルを維持した多様な歩行パターンや遷移を実現する脚式ロボットの制御フレームワークを提案しています。
本論文は、力センサを備えない低コストマニピュレータ向けに、非線形ダイナミクス補償と外乱オブザーバを統合したセンサレス4チャネル双方向制御を提案し、高速・接触動作における安定した遠隔操作を実現するとともに、その力フィードバックを用いた模倣学習の成功率向上を実証したものである。
本論文は、人間の予測不能な行動による安全性リスクを低減するため、PAL ロボティクス社が開発した産業用自律移動ロボットに対し、視覚言語モデルを用いて要件違反の多様な人間行動を生成し、シミュレータ上で効果的なテストを行う手法「RVSG」を提案し、その有効性を検証したものである。
本論文は、多様な雑然とした環境において、歩行、把持、運搬、配置という一連の長期的な全身動作を単一の統合ポリシーで実行し、強化学習による教師ポリシーの蒸留と DAgger、そして視覚言語行動（VLA）モデルの活用を通じて、既存手法を大幅に上回る汎用性と頑健性を達成するヒューマノイド loco-manipulation のベンチマークと学習フレームワーク「LHM-Humanoid」を提案するものである。
この論文は、オフライン学習したニューラルネットワークがモデル予測制御（MPC）のパラメータをオンラインで適応的に調整するハイブリッドフレームワークを提案し、解析的な方策勾配を用いた効率的な学習により、高い加速度での敏捷なゲート通過と大規模な外乱に対する迅速な回復を実現したことを示しています。
この論文は、大規模な障害物回避を可能にするために特権情報（到達時間マップ）と新しい損失関数を活用した強化学習ベースの四旋回飛行ロボットナビゲーション手法を提案し、シミュレーションおよび屋外実機実験において高い成功率と安全性を実証したものである。