Golnaz Raja | Robotics Researcher - Golnaz Raja

Om Publikationer Erfarenhet Kontakt Chat

Doktorand inom maskininlärning, robotik och säker autonom navigering.

npx golnaz

GhostP(y = ghost | z) = 0.73

Osäkerhetsmedveten autonom navigering

Jag är doktorand inom maskininlärning och robotik vid Tammerfors universitet. Mitt arbete kombinerar probabilistisk maskininlärning, perception, kartläggning och riskmedveten planering för att göra autonoma robotar säkrare och mer tillförlitliga i utmanande terräng.

Forskningsarkiv · 04 utvalda arbeten

Publikationer

Probabilistisk robotik · perceptionsbaserad säkerhet · control barrier functions · osäkerhetsmedvetna världsmodeller

FIG. 01

free OGM cellsoccupied + CBF boundaryremembered obstaclesafe trajectory

Konferensartikel · 2026/IEEE IROS

Utvalt arbete · 01

OGM-CBF

Säker robotstyrning med OGM-CBF

Säkerhet baserad på occupancymappar med minne av hinder utanför synfältet

OGM-CBF konstruerar en control barrier function från occupancyrutnät och signerade avståndsfält. Metoden stöder hinder med godtyckliga former, behåller tidigare observerade hinder och utvärderades i CARLA samt på en industriell mobil robot.

OGM-CBFOccupancyrutnätSDFSäker styrning

Läs publikationen

FIG. 02

Preprint · 2025

Utvalt arbete · 02

ProTerrain

ProTerrain: probabilistisk fysikinformerad världsmodellering för ojämn terräng

Osäkerhetsmedveten banprognos för terrängrobotar

ProTerrain modellerar spatialt korrelerad osäkerhet i terrängparametrar och propagerar den genom en differentierbar fysikmotor. Strukturerade konvolutionsoperatorer möjliggör effektiva probabilistiska banprognoser med hög upplösning.

Probabilistisk modelleringOjämn terrängDifferentierbar fysik

Läs publikationen

FIG. 03

image frame · Fᵢhᵢₘg(u,v)

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

RGB-D observationunsafe setCBF-safe path

Konferensartikel · 2023/IEEE ICRA

Utvalt arbete · 03

V-CBF

Säker styrning med visionsbaserad control barrier function

Perceptionsdriven säkerhet för okända miljöer

V-CBF konstruerar control barrier functions direkt från RGB-D-observationer, vilket möjliggör säker styrning runt tidigare okända hinder med godtyckliga former. Metoden använder bild-till-bild-översättning och demonstrerades med en autonom bil i CARLA.

V-CBFRGB-DSäker styrningCARLAICRA 2023

Läs publikationen

FIG. 04

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

sensor inputunsafe pixelssafe gradient

Masterarbete · 2023/Tammerfors universitet

Utvalt arbete · 04

Visionsbaserade kostnadskartor

Visionsbaserade kostnadskartor för säker autonom navigering

Design och utvärdering av kostnadskartor för visionsbaserade CBF:er

Detta masterarbete undersöker kostnadskartor som omvandlar segmenterade osäkra områden till representationer som är kompatibla med control barriers. Metoderna utvärderades i CARLA med ISO 22737-baserade och egna mått och distribuerades sedan på en industriell mobil robot.

KostnadskartorV-CBFISO 22737Mobil robotik

Läs publikationen

Erfarenheter

Tammerfors universitet

Doktorandforskare

Augusti 2024 - nu

Forskar om osäkerhetsmedveten säker autonom navigering i ojämn terräng. Jag designar probabilistiska traverserbarhetskartor och riskmedvetna planerare som en del av Finnish Doctoral Program Network in AI (AI-DOC).

Probabilistisk ML

Ruttplanering

Robotik

PyTorch

ROS 2

Tammerfors universitet

Forskare

December 2023 - augusti 2024

Designade ett sensoroberoende, perceptionsbaserat navigeringssystem och utvecklade modeller för ojämn terräng i CARLA Simulator och Unreal Engine.

CARLA

Unreal Engine

Autonom navigering

Perception

Tammerfors universitet

Forskningsassistent

November 2021 - december 2023

Utvecklade visionsbaserad hinderundvikning med control barrier functions, optimeringsbaserade robotstyrenheter, semantisk segmentering och inlärningsbaserade navigeringssystem.

CBF

Datorseende

CARLA

Unity

RGB-D

GANs

Tammerfors universitet

Masterarbetare

Juli 2023 - oktober 2023

Designade visionsbaserade kostnadskartor och ett scenariobaserat utvärderingssystem för en säker V-CBF-regulator, och distribuerade sedan regulatorn på en industriell mobil robot.

V-CBF

CARLA

Datorseende

Mobil robotik

ARAS Group

Forskare

Oktober 2019 - september 2021

Utvecklade en mixed reality-träningssimulering för ögonkirurgi för ARASH ASiST-roboten och ett utvärderingssystem baserat på förstärkningsinlärning.

Mixed Reality

Unity

SOFA

Förstärkningsinlärning

K. N. Toosi University

Kandidatarbetare

Mars 2019 - maj 2019

Implementerade markörbaserad och bildbaserad augmented reality-programvara med datorseende.

Augmented Reality

Datorseende