Ian R. Manchester
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
- LOInK: 構造化ニューラルサロゲートモデルによる学習型最適逆運動学逆運動学2026/9/18
コスト最小の逆運動学解を効率的に生成するため、構成空間をタスク・潜在空間へ双リプシッツ可逆写像で学習し、演算子分割によるネットワーク反転で解をサンプリングする手法を提案。
- 訓練不要の模倣学習：閉形式拡散ポリシー模倣学習2026/6/1
デモデータから閉形式でスコアを導出し、訓練なしで拡散ポリシーを実現する手法を提案。CPU上でミリ秒単位の推論が可能で、ニューラル拡散ポリシーと同等の性能を示す。
- 動的環境における推定・予測・計画の統合フレームワークDynoJEPPナビゲーション/計画2026/5/1
動的環境でのロボットナビゲーションにおいて、状態推定・予測・計画を因子グラフで統合し、情報の流れを方向付ける新規因子を導入して推定の汚染を防ぐ手法を提案した。
- 安全性と安定性を保証するゴール条件付きニューラルODEによる全対運動計画運動計画2026/4/1
任意の初期状態と目標状態を扱う全対運動計画のため、双リプシッツ微分同相写像を用いた滑らかなゴール条件付きニューラルODEを構築し、目標位置によらず大域的指数安定性と安全性を理論的に保証する手法を提案した。
- LLM制御ロボティクスにおける信頼性：セキュリティ脅威、防御策、課題のサーベイVLA2026/1/1
LLMで制御されるロボットのセキュリティ脅威と防御策を体系的に整理し、攻撃手法・防御機構・評価ベンチマークを分類したサーベイ。
- EB-MBD: 高制約環境における安全な軌道最適化のための創発的バリアモデルベース拡散軌道最適化2025/10/1
モデルベース拡散に創発的バリア関数を導入し、高制約環境での軌道最適化を安全かつ効率的に行う手法を提案。2D衝突回避と3D水中マニピュレータで有効性を示した。
- 正解データなしで軌道予測器を訓練する手法軌道予測2025/2/1
正解ラベルなしでも高精度な位置・方位・速度推定を行い、その推定値を用いてTrajectron++ベースの軌道予測モデルを訓練する枠組みを提案した。
- 経路パラメータ化RRTによる劣駆動系の運動計画運動計画2024/9/1
経路パラメータ化を用いて劣駆動系に特化したサンプリングベース運動計画法を提案し、動的実行可能性を容易に計算できるRRTステアリング機構を開発した。
- 二足歩行ロボットのための重心運動と足裏計画のリアルタイム連成計画歩行2024/9/1
SLIP型二足歩行ロボットに対し、各点を潜在的な足場とみなす新表現と再重み付きl1ノルムで足場数の制約を近似し、重心軌道と接触スケジュールをリアルタイムより高速に求める二次計画法を提案。
- Globally convergent visual-feature range estimation with biased inertial measurements2021/12/1
- An almost globally convergent observer for visual SLAM without persistent excitation2021/4/1
- Priority Maps for Surveillance and Intervention of Wildfires and other Spreading Processes2019/3/1
- Transverse Contraction Criteria for Stability of Nonlinear Hybrid Limit Cycles2014/3/1
- Control Contraction Metrics and Universal Stabilizability2013/11/1
- Real-Time Planning with Primitives for Dynamic Walking over Uneven Terrain2013/10/1
- Transverse Contraction Criteria for Existence, Stability, and Robustness of a Limit Cycle2012/9/1
- Regions of Attraction for Hybrid Limit Cycles of Walking Robots2010/10/1