XiaoMi-AI文件搜索系统
World File Search SystemMavrogiannis
Wil Thomason
1。通过基于矢量采样的计划，微秒中的动作。Wil Thomason *，Zachary Kingston ∗和Lydia E. Kavraki。ICRA 2024， *表示同等的贡献。2。随机隐式神经签名的距离功能，用于在感知不确定性下安全运动计划。Carlos Quintero-Peña，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2024。3。通过负担得起的抽象技能的动态基础加速了长马计划。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。 ICRA 2024。 4。 对象通过模拟衍生的可行动作重新配置对象。 Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。ICRA 2024。4。对象通过模拟衍生的可行动作重新配置对象。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2023。5。一种基于统一的采样方法，用于集成任务和运动计划。Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISRR2019。6。社会动量：在动态多机构环境中可清晰导航的框架。Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。HRI2018。7。零射门学习，以识别陌生的手势识别。Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISER2016。ISER2016。
对与人及其周围合作的机器人的和谐流动性
机器学习和计算机视觉与经典自治堆栈的进步整合使机器人部署成功，以实现，制造和运输。然而，非结构化和染色的环境，例如行人空间和街道，工作场所和房屋构成了其他挑战，例如建模人类行为，了解用户的看法以及确保人类的安全和舒适感。我的工作解决了这种挑战，以使机器人能够流利地与人们合作，以提高生产力并为用户提供帮助。人群中有能力的导航。人类无缝地避免在行人领域相互碰撞，这要归功于其通过策略中编码的合作碰撞避免。我的工作在数学上正式使用了使用代数拓扑的工具传递的概念。基于这种形式主义，我为人群导航开发了一个反应性的传递模型预测控制器。这种控制者的原因，并加快了与人类共同的成对传球的相遇。我已经在多个机器人平台上授予了该控制器，其中包括人类大小的远程机器人和更短的自动平衡机器人。在广泛的实验室实验中，具有挑战性和各种人群条件，我的控制器比最先进的基线提供了明显更安全，更有效的性能（Mavrogiannis等人。2023b）。超出安全性和效率。人体安全和机器人效率并不多于纳入机器人旁边的用户体验。2022）。com-我的作品深入了解用户的印象。在我的一项研究中（n = 105），我们的机器人在密集的人群中陷入困境（Mavrogiannis et al。在运行我们的传递导航算法时，用户表现出较低的加速度，与基线相比，机器人的干扰较少，这表明我们的算法使用户可以更舒适地围绕它行走。至关重要的是，用户对这种定量观察得到了赞赏，他们在旁边的指控旁边导航时，他们的报价是“我几乎没有注意到机器人”，而诸如“我觉得机器人在我的个人空间中”或“我不知道机器人在做什么？强大的现场部署通过旁观者帮助。