Carlos Quintero

关于

Carlos Quintero是一位专注于机器人运动规划与人机交互领域的研究者，其研究涵盖高自由度机器人规划、感知不确定性处理以及多模态人机交互识别等核心方向。 在运动规划领域，Quintero做出了多项重要贡献。他主导开发的**MotionBenchMaker**工具（2021年，51次引用）为机器人运动规划算法提供了标准化的数据集生成与基准测试框架，有效解决了领域内评估方法不统一的痛点。他还提出了基于局部三维工作空间分解的采样分布学习方法（2020年，31次引用），显著提升了高维空间运动规划的泛化能力。此外，他在感知不确定性下的鲁棒运动规划方向持续深耕，相关成果从优化方法延伸至随机隐式神经签名距离函数（2024年），体现了其对安全规划问题的持续探索。 在人机交互方向，Quintero较早开展了多模态情感识别与指令理解研究，为智能机器人感知人类意图奠定了基础。其研究成果总引用量逾130次，展现了跨越基础方法与实际应用的广泛学术影响力，对机器人领域的学生与研究者具有重要参考价值。

研究焦点

主要成就

代表论文

1. 1
   MotionBenchMaker: A Tool to Generate and Benchmark Motion Planning Datasets

   51 次引用 · 2021
2. 2
   Learning Sampling Distributions Using Local 3D Workspace Decompositions for Motion Planning in High Dimensions

   31 次引用 · 2020
3. 3
   Fast Path Planning Algorithm for the RoboCup Small Size League

   10 次引用 · 2015
4. 4
   Robust Optimization-based Motion Planning for high-DOF Robots under Sensing Uncertainty

   8 次引用 · 2021
5. 5
   Stochastic Implicit Neural Signed Distance Functions for Safe Motion Planning under Sensing Uncertainty

   7 次引用 · 2024
6. 6
   Identification of Multimodal Signals for Emotion Recognition in the Context of Human-Robot Interaction

   7 次引用 · 2018
7. 7
   Human-Guided Motion Planning in Partially Observable Environments

   6 次引用 · 2022
8. 8
   Methodology for Learning Multimodal Instructions in the Context of Human-Robot Interaction Using Machine Learning

   5 次引用 · 2018
9. 9
   Identification of Multimodal Human-Robot Interaction Using Combined Kernels

   4 次引用 · 2015
10. 10
    Optimal Grasps and Placements for Task and Motion Planning in Clutter

    3 次引用 · 2023

主要合作者

联系与链接