Blair Thornton 研究室
主宰者：Blair Thornton
東京大学
AI 要約（直近 5 年の研究成果）
この研究室は、海洋環境の観測と調査に関する多様な研究を進めています。主な関心は、自律型水中ロボット（AUV）を用いた海底画像の取得・処理・解析です。カメラやソナーなどのセンサを搭載したAUVが撮影した海底映像から、海底地形や鉱物資源、生物の分布などの情報を効率よく抽出する手法を開発しています。
技術面では、機械学習やコンピュータビジョンを活用した画像解析が中心です。膨大な海底画像をリアルタイムで自動分類するシステム、複数センサからのデータを統合して海底の特性を判定する方法、衛星通信などの低速度通信でも送受可能な画像要約技術などを研究しています。また、測定データの不確実性の定量化や、アノテーション作業のばらつき軽減といった、調査の精度向上にも取り組んでいます。
これらの研究は、深海鉱物資源の探査、海洋保護区のモニタリング、海底ケーブルの検査、サンゴやプランクトンなどの生物調査といった実践的な応用へ向かっています。さらにAUV自体の制御性能や柔軟なロボット翼など、水中ロボットの基本的な性能向上に関する研究も行っています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Tadahiro Taniguchi 研究室立命館大学論文 102 件·共通: 通信, 電気・電子, ロボティクス, ロボット +9
- 工学Atsushi Yamashita 研究室東京大学論文 185 件·共通: 通信, 電気・電子, ロボティクス, ロボット +4
- 工学Tomoyuki Yokota 研究室東京大学論文 177 件·共通: 通信, 電気・電子, 機械, 学習 +7
- 工学Shin’ichi Warisawa 研究室東京大学論文 131 件·共通: ロボティクス, ロボット, 機械, 学習 +7
- 工学Kensuke Harada 研究室大阪大学論文 104 件·共通: ロボティクス, ロボット, 機械, 学習 +7
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: ロボティクス, ロボット, 機械, 学習 +7
- 工学Weiwei Wan 研究室大阪大学論文 104 件·共通: ロボティクス, ロボット, 機械, 学習 +7
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 通信, 電気・電子, 機械, 学習 +6
研究成果（56 件）
- [2026] The impact of offshore wind farms in context: the research that can make 2050 wind targets possibleDOI: https://doi.org/10.5258/soton/p1296
- [2026] Harnessing proprioception in aquatic soft wings enables hybrid passive-active disturbance rejectionDOI: https://doi.org/10.1038/s44182-026-00078-z
- DOI: https://doi.org/10.3389/fmars.2025.1677103
- DOI: https://doi.org/10.1109/joe.2026.3688893
- [2025] Self-supervised learning with multimodal remote sensed maps for seafloor visual class inferenceDOI: https://doi.org/10.1177/02783649251343640
- DOI: https://doi.org/10.1109/ut61067.2025.10947380
- DOI: https://doi.org/10.1109/ut61067.2025.10947458
- [2025] Dimensional Uncertainty Quantification for Laser-Scanning-Based Underwater 3D ReconstructionsDOI: https://doi.org/10.1109/ut61067.2025.10947277
- DOI: https://doi.org/10.1109/ut61067.2025.10947364
- DOI: https://doi.org/10.1109/tfr.2025.3529435
続きを表示（残り 46 件）閉じる
- DOI: https://doi.org/10.1109/ut61067.2025.10947433
- [2025] Automated Quantification of Modal Layering in Ancient Lower Oceanic Crust Using Computer VisionDOI: https://doi.org/10.7185/gold2025.30868
- [2025] Soft buckling achieves consistent large-amplitude deformation for pulse jetting underwater robotsDOI: https://doi.org/10.1088/1748-3190/adfbb7
- DOI: https://doi.org/10.23919/oceans59106.2025.11245170
- [2024] Improving coral monitoring by reducing variability and bias in cover estimates from seabed imagesDOI: https://doi.org/10.1016/j.pocean.2024.103214
- DOI: https://doi.org/10.1109/jstars.2024.3424498
- [2024] Probabilistic Methods for Improved Self-consistency of Doppler Velocity Log Range-Based BathymetryDOI: https://doi.org/10.1109/auv61864.2024.11030407
- DOI: https://doi.org/10.1109/auv61864.2024.11030791
- DOI: https://doi.org/10.1109/auv61864.2024.11030795
- DOI: https://doi.org/10.1109/auv61864.2024.11030782
- DOI: https://doi.org/10.1021/acsearthspacechem.4c00067
- DOI: https://doi.org/10.1109/oceans51537.2024.10682347
- DOI: https://doi.org/10.3897/rio.10.e119782
- DOI: https://doi.org/10.1029/2023ea003220
- [2024] Multirobot Multimodal Deep Sea Surveys: Use in Detailed Estimation of Manganese Crust DistributionDOI: https://doi.org/10.1109/mra.2023.3348304
- [2023] Enhancing the Coverage of Underwater Robot Based Mn-crust Survey Area by Using a Multibeam SonarDOI: https://doi.org/10.1109/ut49729.2023.10103443
- DOI: https://doi.org/10.1016/j.ecss.2023.108438
- DOI: https://doi.org/10.1021/acsearthspacechem.3c00224
- [2023] Seafloor Classification Based on an AUV Based Sub-Bottom Acoustic Probe Data for Mn-Crust SurveyDOI: https://doi.org/10.23919/oceans52994.2023.10504995
- DOI: https://doi.org/10.1109/ut49729.2023.10103421
- DOI: https://doi.org/10.1109/ut49729.2023.10103440
- DOI: https://doi.org/10.1109/ut49729.2023.10103403
- DOI: https://doi.org/10.1109/ut49729.2023.10103389
- DOI: https://doi.org/10.1109/ut49729.2023.10103418
- DOI: https://doi.org/10.1109/ut49729.2023.10103388
- DOI: https://doi.org/10.23919/oceans52994.2023.10337342
- DOI: https://doi.org/10.1109/ut49729.2023.10103452
- [2023] Multimodal image and spectral feature learning for efficient analysis of water-suspended particlesDOI: https://doi.org/10.1364/oe.470878
- DOI: https://doi.org/10.55417/fr.2022037
- DOI: https://doi.org/10.1109/oceanschennai45887.2022.9775260
- DOI: https://doi.org/10.1109/tpami.2021.3140060
- DOI: https://doi.org/10.5957/issc-2022-discussion-v-8
- DOI: https://doi.org/10.1016/j.oceaneng.2022.111485
- DOI: https://doi.org/10.5957/issc-2022-committee-v-8
- DOI: https://doi.org/10.1109/oceans47191.2022.9977114
- DOI: https://doi.org/10.1364/josaa.424271
- DOI: https://doi.org/10.1109/lra.2021.3101881
- DOI: https://doi.org/10.1109/joe.2021.3066788
- DOI: https://doi.org/10.1080/00223131.2021.1879688
- DOI: https://doi.org/10.23919/oceans44145.2021.9705692
- DOI: https://doi.org/10.5670/oceanog.2021.supplement.02-34
- DOI: https://doi.org/10.1029/2021gc009894
- DOI: https://doi.org/10.23919/oceans44145.2021.9705786
- DOI: https://doi.org/10.23919/oceans44145.2021.9705873
- [2021] Autonomous Identification of Suitable Geotechnical Measurement Locations using Underwater VehiclesDOI: https://doi.org/10.23919/oceans44145.2021.9705711
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。