XiaoMi-AI文件搜索系统
World File Search SystemIJRR
机器人自治的原则II
结合了学习和分析模型，以预测感觉数据的作用效应。Kloss等。 2020。 IJRR 2020。 K. M. Lynch，H。Maekawa和K. Tanie，“通过使用触觉反馈来推动操纵和主动感测。”在IROS，1992年。Kloss等。2020。IJRR 2020。K. M. Lynch，H。Maekawa和K. Tanie，“通过使用触觉反馈来推动操纵和主动感测。”在IROS，1992年。
基于多传感器融合的高精度定位安全性...
• 百度阿波罗，[ICRA’18] [ITS’16] [IV’16] [Sensors’15] [IROS’13] [IJRR’11] 等。• 利用不同传感器的优势和弥补其弱点
基于多传感器融合的高精度定位安全性...
• 百度阿波罗，[ICRA’18] [ITS’16] [IV’16] [Sensors’15] [IROS’13] [IJRR’11] 等。• 利用不同传感器的优势和弥补其弱点
基于多传感器融合的高精度定位安全性...
• 百度阿波罗，[ICRA’18] [ITS’16] [IV’16] [Sensors’15] [IROS’13] [IJRR’11] 等。• 利用不同传感器的优势和弥补其弱点
机器人与机器学习研究科学家-Julen Urain
科学研究人员Sta ias -ias -tu Darmstadt，Darmstadt（德国）。责任：研究和发表机器人学习，教学，指导学士学位和硕士学生的科学论文。项目：共享欧盟项目，图像引导针插入（Hessian.ai）的智能辅助。特定的成就：选定的R：SS Pioneer，乔治·吉罗（George Girault）博士学位的精选主义者。奖项，最佳研讨会论文，出版了顶级机器人会议论文（ICRA，IROS，IJRR，RA-L，R：SS），GitHub Open存储库（graspdi Qusion/stable vector in Lie groups on Lie groups）
hyungtae lim
• RSS Pioneers 2024 (Out of 202 candidates, only 30 researchers were selected) • 1st prize again in HILTI SLAM Challenge'24 in IEEE ICRA • 20+ IROS, ICRA, RA-L, RSS, IJRR papers during grad school (12 first-author papers) • 2022 IEEE RA-L Best Paper Award (among 1,100 papers, only 5 papers are selected) • 1st prize在63个国际团队中，在IEEE ICRA中的Hilti Slam挑战23中•CES'23创新奖通过Tech。有关移动机器人大满贯的转移（与Hills Robotics合作）•Univ的访问学者。Bonn, Germany (advisor: Prof. Cyrill Stachniss) • In 2022, serve as a SLAM part outside expert, CTO division of LG Electronics, Republic of Korea • 2nd cash prize in HILTI SLAM Challenge'22 in IEEE ICRA (in total, 4th place) • Research intern of vision/deep learning team of NAVER LABS, Republic of Korea • 1st prize in Hitachi-LG Data Storage LiDAR application competition,大韩民国
用于导航类型的多模式和惯性传感器解决方案...
本论文提出了一种用于平台导航的和积推理算法，称为多模态 iSAM（增量平滑和映射）。常见的仅高斯似然性具有限制性，需要复杂的前端流程来处理非高斯测量。相反，我们的方法允许前端推迟使用非高斯测量模型的歧义。我们保留了前身 iSAM2 最大乘积算法 [Kaess et al., IJRR 2012] 的非循环贝叶斯树（和增量更新策略）。该方法在贝叶斯（连接）树上传播连续信念，这是非参数因子图的有效符号重构，并渐近近似底层 Chapman-Kolmogorov 方程。我们的方法以最小的近似误差跟踪所有变量边际后验中的主导模式，同时抑制几乎所有低似然模式（以非永久方式）。遵循现有的惯性导航，我们提出了一种新颖的、连续时间的、可追溯校准的惯性里程计残差函数，使用预积分将纯惯性传感器测量无缝地整合到因子图中。我们以因子图为中心（使用饥饿图数据库），将导航元素分离成一个流程生态系统。其中包括实际示例，例如如何推断模糊环路闭合的多模态边际后验信念估计；原始波束形成声学测量；或传统参数似然等。
用于导航类型的多模式和惯性传感器解决方案...
本论文提出了一种用于平台导航的和积推理算法，称为多模态 iSAM（增量平滑和映射）。常见的仅高斯似然具有限制性，需要复杂的前端流程来处理非高斯测量。相反，我们的方法允许前端推迟使用非高斯测量模型的歧义。我们保留了前身 iSAM2 最大乘积算法 [Kaess et al., IJRR 2012] 的非循环贝叶斯树（和增量更新策略）。该方法在贝叶斯（连接）树上传播连续信念，这是非参数因子图的有效符号重构，并渐近地近似底层 Chapman-Kolmogorov 方程。我们的方法以最小的近似误差跟踪所有变量边际后验中的主导模式，同时抑制几乎所有低似然模式（以非永久方式）。与现有的惯性导航保持一致，我们提出了一种新颖的、连续时间的、可追溯校准的惯性里程计残差函数，使用预积分将纯惯性传感器测量无缝地合并到因子图中。我们围绕因子图（使用饥饿图数据库）集中将导航元素分离成一个流程生态系统。其中包括实际示例，例如如何推断模糊环路闭合的多模态边际后验信念估计；原始波束形成声学测量；或常规参数似然等。
2025年2月
活动研究生申请导师，AI 2024年酷儿 - 研究生申请援助计划审阅者，AI 2024 Queer，AI 2024 – Communications主席，加固学习会议（RLC）2024 2024研讨会组织者，增强奖励 @ rlc 2024 2024 2024 2024 2024 2024年2024年未来的教师计划参与者，Eberly Center @ cmu 2022- @ cmu 2022- @ cmu 2022- @ CMU 2022- CMU SCS Dean的咨询委员会2021 –▷本科研究参与工作组2021 –▷为研究生提供互动研讨会，以指导研究项目的本科生的最佳实践。进行了IRB批准的研究，以测量训练效果。在Eberly教学峰会上选出的结果。[Workshop Slides and Results Poster] Graduate Application Support Program , CMU Robotics Institute, Mentor 2021–2022 Graduate Application Support Program , CMU Robotics Institute, Organizer 2021 Undergraduate AI Mentoring Program , CMU 2021 Journal Reviewer : IEEE Transactions on Robotics (IEEE T-RO), IEEE Transactions on Information Theory (IEEE T-IT), International Journal of Robotics Research (IJRR), Transactions on ML Research (TMLR) Conference Reviewer : NeurIPS 2021-2023, ICRA 2022/2024, ICML 2023/2024, ICLR 2024, IROS 2024 Workshop Reviewer : Strategic ML @ NeurIPS 2021, Real World Reinforcement Learning @ NeurIPS 2022, Interactive Learning with Implicit Human Feedback @ ICML 2023年，学习，动态和控制 @ icml 2023，机器人学习研讨会 @ Neurips 2023
机器人探索火星洞穴寻找生命
[1] Fan，Thakker，Bartlett，Miled，Kim，Theodorou，Agha-Mohammadi，“自动杂种地面/未知环境中的空中移动性”，IROS 2019。[2] Lew，Emmei，Fan，Bartlett，Santamaria-Navarro，Thakker，Agha-Mohammadi，“接触惯性探测：碰撞是您的朋友，” ISRR2019。[3] Santamaria-Navarro，Thakker，Fan，Morrell，Agha-Mohammadi，“迈向无人机的弹性自动导航”，ISRR2019。[4] Terry，Lei，Morrell，Daftry，Agha-Mohammadi，“感知衰落的地下环境中的伪影检测和定位”，ICRA 2020（提交）。[5] Ebadi，Change，Palieri，Stephens，Hatteland，Heiden，Thakur，Morrell，Carlone，Carlone，Agha-Mohammadi。“灯：大规模的自主映射和定位，用于探索感知衰落的地下环境，” ICRA，2020年（提交）。[6] Jung，Lee，Shim，Agha-Mohammadi，“ DARPA地下挑战的自动空中勘探无人机”，ICRA 2020年（提交）。[7] Kanellakis，Karvelis，Mansouri，Agha-Mohammadi，Nikolakopoulos，“在地下隧道导航中使用多旋转器使用多旋翼的自主空中搜寻”，ICRA 2020（提交）。[8] Kramer，Stahoviak，Santamaria-Navarro，Agha-Mohammadi，Heckman，“视觉上降解环境的雷达惯性自我效率估计”，ICRA 2020（提交）。[9] Sasaki，Otsu，Thakker，Haesaert，Agha-Mohammadi，“在哪里映射？迭代的漫游者 - 弯曲器路径计划火星探索，” ICRA 2020（提交）。[10] Fan，Nguyen，Thakker，Alatur，Agha-Mohammadi，Theodorou。“基于贝叶斯学习的自适应控制对安全关键系统的自适应控制”，ICRA 2020（提交）。[11] Kanellakis，Karvelis，Mansouri，Agha-Mohammadi，Nikolakopoulos，“在地下环境中进行自主空中航行的视觉驱动的NMPC，IFAC（提交），[12]，[12] [12]长期耐药性活动的概念混合空中/地面车辆。[13] Otsu，Tepsuporn，Thakker，Vaquero，Edlund，Walsh，Walf，Wolf，Agha-Mohammadi，“与机器人团队对贫困环境的自动探索和映射”[14] Tagliabue, Schneider, Pavone, Agha-mohammadi, “ The Shapeshifter: a Multi-Agent, Multi-Modal Robotic Platform for the Exploration of Titan, " IEEE Aerospace Conf., 2020 [15] Agha-mohammadi, Hofgartner, Vyshnav, Mendez, Tikhomirov, Chavez, Lunine, Nesnas, “探索冰冷的世界：通过自动协作混合机器人访问泰坦的地下空隙，” IPPW，2018。[16] Heiden，牧师，Vyshnav，Agha-Mohammadi，“通过置信度丰富的3D网格映射：应用于物理机器人的异质传感器融合：Iser，2018年。[17] SABET，AGHA-MOHAMMADI，TAGLIABUE，ELLIOTT，NIKRAVESH，“滚筒式：能源吸引能量的混合杂种空中地形迁移率对极端地形”，IEEE Aerospace Conf。，2019年。[18] Agha-Mohammadi，Heiden，Hausman，Sukhatme，“信心丰富的3D网格映射” IJRR，2019年。[19] Kim，Thakker，Agha-Mohammadi，“不确定性下的风险感知计划的双向价值学习”，IEEE机器人和自动化信，2019年。[21] Parcheta，Nash，Parness，Mitchell，Pavlov，“狭窄的垂直洞穴：映射火山裂缝几何形状”，IPCC，2015年。pp。[20] Agha-Mohammadi，Agarwal，Kim，Chakravorty和Amato，“ Slap：通过在信仰空间中启用动态重建的物理移动机器人的同时本地化和计划，”机器人技术的IEEE Transactions，2018。[22]波士顿，“洞穴和喀斯特科学的百科全书”。Fitzroy-Dearborn Publishers，Ltd。，英国伦敦。355-358，2004。