867 件の論文
本論文は、B スプライン軌道最適化、GPU ネイティブの高密度距離場、およびスケーラブルな GPU 全体身体計算という 3 つの革新技術により、単一アームから高自由度ヒューマノイドまで対応し、安全性と実用性を大幅に向上させた統合型ダイナミクス対応モーション生成フレームワーク「cuRoboV2」を提案するものである。
この論文は、従来の安全制御が持つ意味的盲点を克服し、マルチセンサー融合とポアソン安全関数を用いたラプラス誘導場を統合することで、環境の文脈に応じた動的な安全マージンを実現する「Safe-SAGE」という新しいフレームワークを提案しています。
この論文は、スマートフォンの AR 技術を用いて物理的なロボットを介さずにロボットの方策の弱点を可視化し、即時のオンライン微調整を通じてデータ収集効率を大幅に向上させる「RoboPocket」というシステムを提案するものである。
本論文は、LiDAR を搭載した大型 UAV とカメラ搭載のマイクロ UAV からなる異種チームにおいて、LiDAR 相対位置情報と VIO を融合させることで、マイクロ UAV の位置推定精度を向上させ、LiDAR 搭載機が到達できない狭小空間への誘導と大規模な高精度マッピングを可能にする協調ナビゲーション手法を提案し、実世界実験でその有効性を検証したものである。
本論文は、自動運転における強化学習の報酬関数設計の課題を「安全」「快適性」「進行」「交通規則遵守」の 4 分類でレビューし、その限界を指摘するとともに、文脈を考慮し矛盾を解決可能な構造化された報酬や検証フレームワークの構築を提案するものである。
この論文は、カスタマイズされた粒子フィルタとガウス過程陰関数曲面を統合したベイジアン枠組みを提案し、ロボットが能動的な触覚探索を通じて既知物体の認識・姿勢推定を行うとともに、新規物体の形状を効率的に学習・転移することを可能にする手法を提示している。
本論文は、複雑なタスクを解決するための強化学習エージェントの記憶能力を包括的に評価するための新たなベンチマーク「MIKASA」を提案し、その分類枠組み、多様なシナリオに対応する MIKASA-Base、および卓上ロボット操作に特化した 32 のタスクからなる MIKASA-Robo を導入するものである。
本論文は、視覚言語モデルやテキストから3D 形状を生成する AI を統合し、人間からの指示に基づいて必要な工具を自律的に設計・製造し、それを活用してタスクを遂行する「Evolution 6.0」と呼ばれる新しいロボットシステムの概念と評価結果を提示しています。
本論文は、大規模言語モデル（LLM）を搭載したロボットの安全性を確保するため、環境に応じた安全仕様を生成する「信頼の根拠」となる LLM と、時制論理制御合成を用いた計画検証を組み合わせた二段階のガードレール機構「RoboGuard」を提案し、悪意ある攻撃下でもロボットの危険な動作を大幅に低減しながら性能を維持できることを実証しています。
本論文は、専門家のデモンストレーションや人間のラベルを必要とせず、学習ベースの深度知覚と微分可能な軌道最適化、およびニューラルネットワークに基づく時間割り当て戦略を統合した自己教師あり学習アプローチを提案し、3 次元環境における UAV の経路計画において位置追跡誤差の大幅な改善と制御努力の削減を実現したことを示しています。
この論文は、車両、歩行者、自転車などすべての交通参加者クラスの相互作用と運動学を統合し、解釈可能性と物理的実現可能性を向上させることで自律走行の軌道予測の信頼性を高める「TPK」という手法を提案し、Argoverse 2 データセットでの実験でその有効性を示しています。
この論文は、理論的根拠を持つ極めて単純かつ高速な「Feature Mixing」という手法と、新しいマルチモーダルデータセット「CARLA-OOD」を提案し、安全クリティカルなアプリケーションにおけるアウト・オブ・ディストリビューション（OOD）検出とセグメンテーションの性能を大幅に向上させ、最先端の結果を達成したことを報告しています。
本論文は、C++ や YARP を必要とせず Python のみで動作するオープンソースの物理ベースシミュレーション「pyCub」を提案し、4000 個の触覚センサーや 2 台のカメラを備えた iCub ロボットの完全なモデルと、初心者から上級者まで段階的に学べる多様な演習を通じて、ヒューマノイドロボティクス教育を支援するフレームワークを構築したことを述べています。
本論文は、強化学習に基づく方策事前分布と Q 値ガイダンスを用いて SVGD による軌道粒子を最適化し、多様な解を維持しながらサンプル効率と頑健性を向上させる新しい「Q 誘導型 Stein 変分モデル予測制御（Q-SVMPC）」を提案し、シミュレーションおよび実世界の果物収穫タスクでその有効性を示しています。
従来のフローマッチングや拡散モデルが抱える反復的な条件付けによる計算コストの課題を解決するため、視覚表現から直接潜在行動へマッピングする「VITA」を提案し、行動の自己符号化器とフロー潜在デコーディングにより、推論速度を 1.5〜2 倍に向上させつつ最先端の性能を達成しました。
本論文は、マルチモーダル大規模言語モデルを活用して自然言語で記述されたタスクの 3 次元動作点を直接推定し、20 秒未満でゼロショットの文脈認識把持を実現する効率的な蒸留手法「Point2Act」を提案しています。
この論文は、視覚入力なしでロボットアーム全体を覆う敏感な皮膚からの触覚フィードバックのみを用いて物体を探索・把持する新しい手法を提案し、その有効性と視覚が制限される環境での応用可能性を実証したものである。
本論文は、射影幾何代数を用いてロボット慣性同定の基底パラメータを解析的に決定する新たな幾何学的手法と、その計算効率と頑健性を保証するアルゴリズムを提案し、多様なロボット機構における有効性を検証したものである。
本論文は、イベントベースの局所化研究における手法やデータセットの多様性による比較の困難さを解消するため、複数の手法とデータセットを統一的に評価・可視化できる新フレームワーク「Event-LAB」を提案し、その有効性を示すものです。
本論文は、動作に基づく動画物体分割におけるテキストプロンプトとマスク注釈のノイズ問題に初めて取り組むため、ActiSeg-NL というベンチマークと評価プロトコルを確立し、並列マスクヘッド機構（PMHM）を含むノイズ耐性学習戦略の包括的解析を提案するものである。