ロボット支援手術におけるエラーを効率的に検出するために、選択的状態空間モデルにボトルネック機構とファイン・トゥ・コース時間融合を組み込んだ新しいモデルを提案する。
本論文は、様々な力学系に対して高速かつ信頼性の高い方法でオープンループ安定リミットサイクルを生成する一般的な最適化フレームワークを提案する。
ロボットチームが危険な環境でオリエンテーリングを行う際に、期待報酬の最大化と生存ロボット数の最大化の二つの目的を同時に達成するための経路計画を行う。
低コストで簡単に再現可能な実世界ロボット学習フレームワークを提案し、産業用ロボットアームでも効果的に適用できることを示した。
ロボットやオブジェクトのオリエンテーションを正しく扱うことは多くのアプリケーションにとって重要である。本論文では、オリエンテーションのLie群構造を考慮した強化学習のアプローチを提案し、従来の手法と比較して優れた性能を示す。
VR技術とハプティックフィードバックを活用することで、ロボット操作の直感性と柔軟性を向上させることができる。
ALIGNBOTは、ユーザーのリマインダーを効果的に取り入れることで、家庭用ロボットのカスタマイズされたタスク計画を最適化する革新的なフレームワークです。
本論文は、電動重作業用マニピュレータのアクチュエータ効率を最大化しつつ、マニピュレータのパフォーマンス基準も考慮するバイレベル最適化フレームワークを提案する。リーダーレベルの最適化アルゴリズムはEMLAの効率を最大化し、フォロワーレベルの最適化はマニピュレータの運動を最適化する。この最適化アプローチにより、アクチュエータシステムの最も効率的な動作領域と高いマニピュレータパフォーマンスの間の調和のとれたトレードオフが実現される。
ロボット同士の物理的な接続を変化させることで、個々のロボットでは乗り越えられない大規模な障害物フィールドを集団で効果的に横断できることを示した。
Hyper-SAMARLは、多ロボットシステムの動的な課題割当てと社会的に適切なナビゲーションを実現するフレームワークである。ハイパーグラフを用いた動的な相互作用の推論と強化学習を組み合わせることで、ロボットが人間の存在する環境で効率的かつ社会的に適切に行動することができる。