Shaoshu Su

収録論文 12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

• 複雑な論理制約下での長期的タスク計画のためのニューロシンボリック学習
  タスク計画2026/6/1

  ロボットの長期的タスク計画において、ニューラルスコアラーとシンボリックプランナーを二段階最適化で統合し、学習と計画の不一致を解消する手法を提案。並列リカバリ戦略により性能を向上させた。

• 跳ぶべき時を学ぶオフロードナビゲーション
  ナビゲーション2026/2/1

  地形ごとの走行コストを速度の関数としてモデル化し、溝を跳び越えるなど速度に応じた安全な経路計画を実現した研究。

• ニューロシンボリック緩和による高速タスクプランニング
  タスクプランニング2025/7/1

  ニューラルネットで重要物体を予測しつつ記号プランナで緩和・拡張を行うことで、長期的タスク計画を高速かつ高成功率で実現する手法を提案。

• SuperPC：点群の補完・アップサンプリング・ノイズ除去・着色を同時に行う単一拡散モデル
  点群処理2025/3/1

  点群の欠損・低解像度・ノイズ・無色という4つの問題を、単一の拡散モデルで同時に解決する手法を提案。

• VL-Nav: ニューロシンボリック推論に基づく視覚言語ナビゲーション
  視覚言語ナビゲーション2025/2/1

  記号的3Dシーングラフと画像メモリを活用したニューロシンボリックなタスクプランナと探索システムにより、複雑な指示に基づく大規模未知環境でのロボットナビゲーションを実現した。

• AnyNav: 視覚による神経記号的摩擦学習を用いたオフロードナビゲーション
  オフロードナビゲーション2025/1/1

  視覚から地形の摩擦係数を推定し、物理モデルと組み合わせてオフロード走行の経路と速度を計画する神経記号的手法を提案。実機へのsim2real転移も実証した。

• iKap: 運動学を考慮した命令的学習による計画
  計画2024/12/1

  視覚から計画を生成するシステムにロボットの運動学モデルを組み込み、自己教師あり学習と微分可能な二段階最適化で衝突回避と運動学制約を同時に満たす軌道計画を実現した。

• 命令的学習：ロボット自律性のための自己教師ありニューロシンボリック学習フレームワーク
  ニューロシンボリック2024/6/1

  ニューラルモジュール・推論エンジン・記憶システムを二段階最適化で相互学習させる自己教師ありニューロシンボリック手法を提案し、経路計画や最適制御など5タスクで有効性を検証した。

• PyPose v0.6: The Imperative Programming Interface for Robotics
  2023/9/1
• SubT-MRS Dataset: Pushing SLAM Towards All-weather Environments
  2023/7/1
• iSLAM: Imperative SLAM
  2023/6/1
• Double-Iterative Gaussian Process Regression for Modeling Error Compensation in Autonomous Racing
  2023/5/1