Golnaz Raja | Robotics Researcher - Golnaz Raja

À propos Publications Expérience Contact Chat

Doctorante en apprentissage automatique, robotique et navigation autonome sûre.

npx golnaz

GhostP(y = ghost | z) = 0.73

Navigation autonome sensible à l'incertitude

Je suis doctorante en apprentissage automatique et robotique à l'université de Tampere. Mon travail combine apprentissage automatique probabiliste, perception, cartographie et planification sensible au risque afin de rendre les robots autonomes plus sûrs et plus fiables sur des terrains difficiles.

Archive de recherche · 04 travaux sélectionnés

Publications

Robotique probabiliste · sécurité fondée sur la perception · fonctions de barrière de contrôle · modèles du monde sensibles à l'incertitude

FIG. 01

free OGM cellsoccupied + CBF boundaryremembered obstaclesafe trajectory

Article de conférence · 2026/IEEE IROS

Travail sélectionné · 01

OGM-CBF

Contrôle sûr de robots avec OGM-CBF

Sécurité fondée sur les cartes d'occupation avec mémoire des obstacles hors champ

OGM-CBF construit une fonction de barrière de contrôle à partir de grilles d'occupation et de champs de distance signés. La méthode prend en charge des obstacles de formes arbitraires, conserve les obstacles observés auparavant et a été évaluée dans CARLA ainsi que sur un robot mobile industriel.

OGM-CBFGrilles d'occupationSDFContrôle sûr

Lire la publication

FIG. 02

Prépublication · 2025

Travail sélectionné · 02

ProTerrain

ProTerrain : modélisation probabiliste du terrain accidenté informée par la physique

Prévision de trajectoires sensible à l'incertitude pour robots tout-terrain

ProTerrain modélise l'incertitude spatialement corrélée des paramètres du terrain et la propage au moyen d'un moteur physique différentiable. Des opérateurs convolutionnels structurés permettent des prédictions probabilistes de trajectoires efficaces et en haute résolution.

Modélisation probabilisteTerrain accidentéPhysique différentiable

Lire la publication

FIG. 03

image frame · Fᵢhᵢₘg(u,v)

∇ₚhᵢₘg = [∂h/∂u, ∂h/∂v]RGB-D → cGAN → CBF-QP

RGB-D observationunsafe setCBF-safe path

Article de conférence · 2023/IEEE ICRA

Travail sélectionné · 03

V-CBF

Contrôle sûr avec fonction de barrière de contrôle fondée sur la vision

Sécurité guidée par la perception pour environnements inconnus

V-CBF construit des fonctions de barrière de contrôle directement à partir d'observations RGB-D, permettant un contrôle sûr autour d'obstacles inconnus de forme arbitraire. La méthode utilise la traduction image-à-image et a été démontrée avec une voiture autonome dans CARLA.

V-CBFRGB-DContrôle sûrCARLAICRA 2023

Lire la publication

FIG. 04

V-CBF perception pipelineh(x) ≥ 0 · safe

sensor inputunsafe pixelssafe gradient

Mémoire de master · 2023/Université de Tampere

Travail sélectionné · 04

Cartes de coût fondées sur la vision

Cartes de coût fondées sur la vision pour une navigation autonome sûre

Conception et évaluation de cartes de coût pour des CBF fondées sur la vision

Ce mémoire étudie des cartes de coût qui transforment des régions dangereuses segmentées en représentations compatibles avec les barrières de contrôle. Les méthodes ont été évaluées dans CARLA avec des métriques fondées sur ISO 22737 et des métriques personnalisées, puis déployées sur un robot mobile industriel.

Cartes de coûtV-CBFISO 22737Robotique mobile

Lire la publication

Expériences

Université de Tampere

Doctorante chercheuse

Août 2024 - Aujourd'hui

Je mène des recherches sur la navigation autonome sûre sensible à l'incertitude en terrain accidenté. Je conçois des cartes probabilistes de traversabilité et des planificateurs sensibles au risque dans le cadre du Finnish Doctoral Program Network in AI (AI-DOC).

ML probabiliste

Planification de trajectoire

Robotique

PyTorch

ROS 2

Université de Tampere

Chercheuse

Décembre 2023 - Août 2024

Conception d'un système de navigation fondé sur la perception, indépendant des capteurs, et développement de modèles de terrain accidenté dans CARLA Simulator et Unreal Engine.

CARLA

Unreal Engine

Navigation autonome

Perception

Université de Tampere

Assistante de recherche

Novembre 2021 - Décembre 2023

Développement de l'évitement d'obstacles fondé sur la vision avec des fonctions de barrière de contrôle, de contrôleurs robotiques basés sur l'optimisation, de segmentation sémantique et de systèmes de navigation par apprentissage.

CBF

Vision par ordinateur

CARLA

Unity

RGB-D

GANs

Université de Tampere

Stagiaire de mémoire de master

Juillet 2023 - Octobre 2023

Conception de cartes de coût fondées sur la vision et d'un système d'évaluation par scénarios pour un contrôleur sûr V-CBF, puis déploiement du contrôleur sur un robot mobile industriel.

V-CBF

CARLA

Vision par ordinateur

Robotique mobile

ARAS Group

Chercheuse

Octobre 2019 - Septembre 2021

Développement d'une simulation d'entraînement à la chirurgie oculaire en réalité mixte pour le robot ARASH ASiST et d'un système d'évaluation fondé sur l'apprentissage par renforcement.

Réalité mixte

Unity

SOFA

Apprentissage par renforcement

Université K. N. Toosi

Stagiaire de mémoire de licence

Mars 2019 - Mai 2019

Implémentation d'un logiciel de réalité augmentée fondé sur des marqueurs et sur l'image avec la vision par ordinateur.

Réalité augmentée

Vision par ordinateur