Turcan Tuna
ETH Zurich
収録論文 16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
- TRaIL-Odom: 適応的ドップラー重み付けを備えた密結合連続時間レーダー・IMU・LiDARオドメトリオドメトリ2026/9/3
レーダーとLiDARの融合オドメトリにおいて、幾何学的縮退の方向性に応じてレーダーのドップラー制約を適応的に重み付けする2つのモジュールを提案し、縮退シーンでの精度を大幅に向上させた。
- BIEVR-LIO: バンプ画像強化ボクセルマップによる堅牢なLiDAR-慣性オドメトリオドメトリ2026/4/1
LiDAR-慣性オドメトリの精度低下や発散を防ぐため、ボクセルごとの高さ画像として表面を表現する高解像度マップと、幾何学的に情報量の多い領域に焦点を当てた点サンプリング戦略を提案した。
- 移動ロボットのためのワンショットバドミントンシャトル検出物体検出2026/3/1
移動ロボットの視点からバドミントンのシャトルをリアルタイム検出するためのデータセットと検出器を構築し、未知環境でも高い性能を確認した。
- GrandTour: 実環境における脚式ロボットのマルチモーダル知覚と状態推定のためのデータセット歩行2026/2/1
ANYmal-D四脚ロボットにLiDAR・カメラ・固有感覚センサを搭載し、山岳から都市・廃墟まで多様な屋内外環境で収集した大規模マルチモーダルデータセットを公開。RTK-GNSSとトータルステーションによる高精度な正解軌道も含み、SLAMや状態推定、マルチモーダル学習の評価基盤を提供する。
- 火山環境における大規模自律ガスモニタリング：エトナ山での脚式ロボット歩行2026/1/1
四足歩行ロボットANYmalに四重極質量分析計を搭載し、エトナ山の険しい地形で自律的に火山ガスを測定するシステムを開発・評価した。
- CaRLi-V: カメラ・レーダー・LiDAR融合による点単位3D速度推定センサーフュージョン2025/11/1
レーダーの速度キューブ表現、カメラのオプティカルフロー、LiDARの距離計測を組み合わせ、密な点群に対して3D速度を推定するROS2パッケージを開発した。
- Boxi: ロボティクスにおけるアルゴリズム性能を考慮した設計判断センサフュージョン2025/4/1
複雑な環境で移動ロボットの自律性を高めるため、LiDARやカメラ、IMUなどを統合したセンサペイロードBoxiを設計し、時間同期やキャリブレーションが状態推定性能に与える影響を分析した論文。
- 拡散モデルによるロバストなLiDAR位置認識位置認識2025/4/1
建設現場のロボットの大域的な再位置推定のため、実大規模メッシュから生成した合成LiDAR点群でPointNet++をバックボーンとする拡散モデルを訓練し、単一の点群から複数の位置候補を予測する手法を提案した。
- ホリスティックフュージョン：タスク・構成に依存しない因子グラフによるロボット自己位置推定と状態推定自己位置推定/センサフュージョン2025/4/1
因子グラフを用いて、タスクやセンサ構成に依存せず多様なセンサを統合し、低遅延な局所運動推定と低ドリフトな大域自己位置推定を同時に実現するオープンソースの融合フレームワークを提案した。
- 森林におけるLiDAR位置認識：複数高さのBEV密度画像を用いた注意機構位置認識2025/3/1
森林環境でのLiDAR位置認識のため、異なる高さの水平スライスから得たBEV密度画像をViTで処理し、マルチBEV相互作用で統合する手法を提案。実世界データで既存手法より高い精度を達成。
- LEVA: 脚式サスペンションを備えた高機動物流車両移動ロボット2025/3/1
LEVAは、並列キネマティクスを用いた脚式サスペンションを統合し、不整地や階段を走行しながら最大85kgの荷物を自律的に積載・輸送できる高ペイロード・高機動ロボットである。
- ロボティクスにおける連続時間状態推定手法のサーベイ状態推定2024/11/1
ロボティクスにおける連続時間状態推定の研究を統一的な定式化で整理し、スプラインとガウス過程をまとめて体系的に分類した包括的サーベイ。
- 情報・制約・整合：実環境における退化対応点群レジストレーションのフィールド分析SLAM2024/8/1
LiDARベースのロボット位置推定において、幾何学的に不良な環境でのICPの退化を軽減する手法（TSVD、不等式制約、Tikhonov正則化など）を比較・分析し、実世界実験で有効性を検証した。
- 脚式ロボットによる自律的な森林インベントリ：システム設計と実地展開フィールドロボティクス2024/4/1
脚式ロボットを用いて森林の樹木調査を自律的に行うシステムを構築し、フィンランドと英国の森林で実地試験を実施した。英国では20分で0.96ヘクタールを調査し、100本以上の樹木を同定、胸高直径を約2cmの精度で推定した。
- Scientific Exploration of Challenging Planetary Analog Environments with a Team of Legged Robots2023/7/1
- X-ICP: Localizability-Aware LiDAR Registration for Robust Localization in Extreme Environments2022/11/1