Investigadora doctoral en aprendizaje automático, robótica y navegación autónoma segura.

npx golnaz
GhostP(y = ghost | z) = 0.73

Navegación autónoma consciente de la incertidumbre

Soy investigadora doctoral en aprendizaje automático y robótica en la Universidad de Tampere. Mi trabajo combina aprendizaje automático probabilístico, percepción, mapeo y planificación consciente del riesgo para hacer que los robots autónomos sean más seguros y fiables en terrenos difíciles.

Archivo de investigación · 04 trabajos seleccionados

Publicaciones

Robótica probabilística · seguridad basada en percepción · funciones de barrera de control · modelos del mundo conscientes de la incertidumbre

FIG. 01
free OGM cellsoccupied + CBF boundaryremembered obstaclesafe trajectory
Artículo de conferencia · 2026/IEEE IROS
Trabajo seleccionado · 01
OGM-CBF

Control seguro de robots con OGM-CBF

Seguridad basada en mapas de ocupación con memoria de obstáculos fuera de vista

OGM-CBF construye una función de barrera de control a partir de mapas de rejilla de ocupación y campos de distancia con signo. Admite obstáculos de formas arbitrarias, conserva obstáculos observados anteriormente y se evaluó en CARLA y en un robot móvil industrial.

OGM-CBFRejillas de ocupaciónSDFControl seguro
Leer publicación
FIG. 02
Preprint · 2025
Trabajo seleccionado · 02
ProTerrain

ProTerrain: modelado probabilístico del terreno accidentado informado por física

Predicción de trayectorias consciente de la incertidumbre para robots todoterreno

ProTerrain modela la incertidumbre espacialmente correlacionada en parámetros del terreno y la propaga mediante un motor físico diferenciable. Los operadores convolucionales estructurados permiten predicciones probabilísticas de trayectoria eficientes y de alta resolución.

Modelado probabilísticoTerreno accidentadoFísica diferenciable
Leer publicación
FIG. 03
image frame · Fᵢhᵢₘg(u,v)
uvh > 0 · SAFEh < 0 · UNSAFE
∇ₚhᵢₘg = [∂h/∂u, ∂h/∂v]RGB-D → cGAN → CBF-QP
RGB-D observationunsafe setCBF-safe path
Artículo de conferencia · 2023/IEEE ICRA
Trabajo seleccionado · 03
V-CBF

Control seguro con función de barrera de control basada en visión

Seguridad impulsada por percepción para entornos desconocidos

V-CBF construye funciones de barrera de control directamente desde observaciones RGB-D, permitiendo control seguro alrededor de obstáculos desconocidos de formas arbitrarias. El método usa traducción imagen a imagen y se demostró con un coche autónomo en CARLA.

V-CBFRGB-DControl seguroCARLAICRA 2023
Leer publicación
FIG. 04
V-CBF perception pipelineh(x) ≥ 0 · safe
RGB-D FRAMEUNSAFE INSTANCEh(x) < 0SIGNED COST MAPSAFE +− UNSAFE01 · OBSERVATION02 · SEGMENTATION03 · SDF / GAUSSIAN FIELD
sensor inputunsafe pixelssafe gradient
Tesis de maestría · 2023/Universidad de Tampere
Trabajo seleccionado · 04
Mapas de coste basados en visión

Mapas de coste basados en visión para navegación autónoma segura

Diseño y evaluación de mapas de coste para CBFs basadas en visión

Esta tesis investiga mapas de coste que transforman regiones inseguras segmentadas en representaciones compatibles con barreras de control. Los métodos se evaluaron en CARLA con métricas basadas en ISO 22737 y métricas personalizadas, y después se desplegaron en un robot móvil industrial.

Mapas de costeV-CBFISO 22737Robótica móvil
Leer publicación

Experiencias

Universidad de Tampere

Investigadora doctoral

Agosto de 2024 - Actualidad
Investigo navegación autónoma segura consciente de la incertidumbre en terreno accidentado. Diseño mapas probabilísticos de transitabilidad y planificadores sensibles al riesgo como parte de la red Finnish Doctoral Program Network in AI (AI-DOC).
ML probabilístico
Planificación de rutas
Robótica
PyTorch
ROS 2
Universidad de Tampere

Investigadora

Diciembre de 2023 - Agosto de 2024
Diseñé un sistema de navegación basado en percepción e independiente del sensor, y desarrollé modelos de terreno accidentado en CARLA Simulator y Unreal Engine.
CARLA
Unreal Engine
Navegación autónoma
Percepción
Universidad de Tampere

Asistente de investigación

Noviembre de 2021 - Diciembre de 2023
Desarrollé evitación de obstáculos basada en visión con funciones de barrera de control, controladores robóticos basados en optimización, segmentación semántica y sistemas de navegación basados en aprendizaje.
CBF
Visión por computador
CARLA
Unity
RGB-D
GANs
Universidad de Tampere

Tesista de maestría

Julio de 2023 - Octubre de 2023
Diseñé mapas de coste basados en visión y un sistema de evaluación por escenarios para un controlador seguro V-CBF, y luego desplegué el controlador en un robot móvil industrial.
V-CBF
CARLA
Visión por computador
Robótica móvil
ARAS Group

Investigadora

Octubre de 2019 - Septiembre de 2021
Desarrollé una simulación de entrenamiento de cirugía ocular en realidad mixta para el robot ARASH ASiST y un sistema de evaluación basado en aprendizaje por refuerzo.
Realidad mixta
Unity
SOFA
Aprendizaje por refuerzo
Universidad K. N. Toosi

Tesista de grado

Marzo de 2019 - Mayo de 2019
Implementé software de realidad aumentada basado en marcadores e imágenes usando visión por computador.
Realidad aumentada
Visión por computador

Contacto

Golnaz Raja
Golnaz RajaML · Robótica

Conecta conmigo

Investigar · Construir · Explorar

Elige un enlace para ponerte en contacto

GR