Aniket Datar
収録論文 17本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 精度と効率のバランス：モデル予測制御のための適応的ダイナミクスオーケストレーション制御/オフロードナビゲーション2026/6/1
モデル予測制御（MPC）におけるモデル精度と計算効率のトレードオフを解決するため、現在のナビゲーション状況に応じて適切なダイナミクスモデルを動的に選択するフレームワーク「Adaptive Dynamics Orchestration (ADO)」を提案した。実機実験で、固定の低遅延モデルより誤差を減らしつつ、最高精度モデルに近い精度を低コストで達成した。
- VertiAdaptor: 垂直障害地形のためのオンライン運動力学適応自動運転/オフロード/運動力学適応2026/3/1
オフロード環境での自動運転向けに、標高と意味的埋め込みを統合し、関数エンコーダを用いて地形認識型の運動力学モデルと計画を実現するオンライン適応フレームワークを提案。学習済み空間での最小二乗計算により未知環境へ高速適応し、予測精度と適応時間を改善。
- 自然言語によるキノダイナミクスモデリングでロボットの構造損傷にゼロショット適応sim2real2026/2/1
自然言語で記述された損傷情報を自己教師あり学習でキノダイナミクス挙動に結びつけ、損傷を受けたロボットの順モデルを学習。シミュレータで最大81%の誤差削減を達成し、sim-to-realやスケール間の汎化も示した。
- Verti-Arena：マルチテランのオフロード自律走行のための制御可能で標準化された屋内テストベッドオフロード自律走行2025/8/1
オフロード自律走行研究のための再構成可能な屋内テストベッドを提案し、遠隔実験用のWebインターフェースも開発した。
- 飛べ、車よ！――高速オフロード走行のための空中マニューバオフロード走行2025/3/1
物理と機械学習を組み合わせたハイブリッドモデルとサンプリングベースのプランナを用い、既存のスロットルとステアリング操作だけで車両の空中姿勢を制御し、着地位置を高精度に合わせる手法を提案した。
- VertiFormer: オフロード走行のためのデータ効率の良いマルチタスクTransformerオフロード走行2025/2/1
わずか1時間のデータで訓練し、次姿勢・行動・地形パッチを予測するマルチタスクTransformerにより、険しいオフロード走行の順・逆キネマティクスを同時に学習する手法を提案。
- Verti-Bench：垂直に険しい地形のための汎用かつスケーラブルなオフロード移動ベンチマークオフロード移動ベンチマーク2025/2/1
垂直に険しいオフロード環境での移動性能を評価するための、100環境・1000タスクからなる高忠実度マルチフィジックスシミュレーションベンチマークを提案し、10の移動システムを比較評価した。
- M2P2: 極低照度環境でのオフロード移動のためのマルチモーダル受動知覚データセット知覚データセット2024/10/1
LiDARや可視光カメラが使えない極低照度・無光環境でのオフロード自律移動を可能にするため、熱・イベント・ステレオRGBカメラとGPS・IMU・LiDARを組み合わせたマルチモーダル受動知覚データセットを構築し、受動知覚のみでの移動可能性を示した。
- PIETRA: 分布外地形走行のための物理情報に基づく証拠学習sim2real2024/9/1
自己教師あり学習に物理モデルを組み込み、未知の地形では学習予測と物理予測を切り替えることで、分布外環境での走行性能を向上させたフレームワーク。
- 走破不能領域を走破する：垂直に険しい地形における車輪移動のための走破性推定走破性推定2024/9/1
従来は走破不能とされた垂直に険しい地形を、過去の車両-地形間の動的相互作用データから走破可能と推定し、プランナを効率的に誘導する手法を提案。
- VertiCoder：垂直に険しい地形における自己教師あり運動力学表現学習自己教師あり学習/運動力学2024/9/1
マスク付きパッチ再構成による自己教師あり学習で、垂直に険しい地形でのロボット移動に関する4つの下流タスク（順・逆運動力学、模倣学習、パッチ再構成）を単一表現で扱えるTransformerベースの手法を提案。
- 狭所における自律地上ナビゲーション：ICRA 2024第3回BARNチャレンジからの教訓ナビゲーション2024/7/1
ICRA 2024で開催された第3回BARNチャレンジを通じて、狭く制約の厳しい環境での自律地上ナビゲーション技術の現状を評価し、上位チームの手法と今後の課題を分析した。
- 縦に険しい地形での効率的な6自由度運動力学モデリングのための地形注意学習走行2024/3/1
車輪ロボットが縦に険しい地形を走行する際、現在の車両と地形の相互作用に重要な地形のみに注意を向ける6自由度運動力学学習手法を提案し、予測誤差を平均51.1%削減した。
- CAHSOR: Competence-Aware High-Speed Off-Road Ground Navigation in SE(3)2024/2/1
- Learning to Model and Plan for Wheeled Mobility on Vertically Challenging Terrain2023/6/1
- Toward Human-Like Social Robot Navigation: A Large-Scale, Multi-Modal, Social Human Navigation Dataset2023/3/1
- Toward Wheeled Mobility on Vertically Challenging Terrain: Platforms, Datasets, and Algorithms2023/3/1