James D. Motes
収録論文 7本 ・ フィジカルAI/ロボット学習
群制御マルチロボット動作計画経路計画動作計画
※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
- P-ARC: サブ問題の独立性を活用した並列マルチロボット動作計画群制御2026/6/1
マルチロボット動作計画の並列化手法P-ARCを提案し、ロボット間の衝突を独立に解決できるバッチ処理とマルチスタート戦略により、最大6.67倍の高速化を達成した。
- AO-ARC: ARCによるほぼ確実に漸近最適なマルチロボット動作計画マルチロボット動作計画2026/6/1
マルチロボット動作計画において、初期解の高速性と漸近最適性を両立する新しい anytime アルゴリズム AO-ARC を提案し、理論的保証と実験的評価を行った。
- 階層的サブ問題展開とワークスペース分解の精緻化によるスケーラブルなマルチロボット動作計画群制御2026/5/1
複数移動ロボットの動作計画において、ワークスペース分解に基づく離散探索でロボット間の協調を図り、反復的に分解を精緻化することで、より小さな非結合構成空間を探索し、計画時間を最大一桁改善する手法を提案した。
- ミリ秒単位のマルチロボット動作：サンプリングベース計画のためのベクトル加速プリミティブ群制御2026/4/1
ベクトル加速運動計画（VAMP）フレームワークをマルチロボット運動計画に拡張し、SIMD並列性を活用した2つのプリミティブを開発。検証時間で最大1415倍、計画速度で最大1492倍の高速化を達成した。
- 直列化レッド・グリーン・グレイ：動的ロードマップグラフにおけるエッジの高速ヒューリスティック検証経路計画2026/3/1
動的環境での経路計画向けに、ロードマップのエッジを幾何近似で赤(無効)・緑(有効)・灰(不確実)に分類し、GPU向けに直列化・ベクトル化して高速化する手法を提案した。
- 制約ベースのマルチエージェント経路探索アルゴリズムの分析群制御2025/11/1
制約ベースのマルチエージェント経路探索において、制約を保守的・積極的に分類し、探索性能を比較分析した。
- ERUPT: 拡張現実でロボット動作計画と対話するオープンツールキット動作計画2025/10/1
XR空間で環境を操作しながらMoveItに動作計画を問い合わせ、経路を可視化して実機に展開できるオープンなツールキットを提案。