Sigmund Hennum Høeg
Om
Jeg er en ph.d.-kandidat i Robotikk- og Automatiseringsgruppen ved Institutt for Maskinteknikk og Produksjon. Jeg er interessert i hvordan vi kan lage roboter som er mer intelligente og kan hjelpe oss.
For å fremme dette feltet har jeg fokusert på området Imitasjonslæring, ettersom det utgjør et svært generelt rammeverk for å utstyre roboter med menneskelige ferdigheter. På den andre siden har generative modeller vist seg å være en spennende retning, siden modeller for bilde, tekst og video har vist seg å være i stand til å konsumere og generalisere fra store mengder data. Det er imidlertid fortsatt et betydelig gap mellom disse modelleringsoppgavene og utfordringen med å kontrollere en robot i en stadig skiftende, kaotisk verden. Hovedmotivasjonen i min forskning er å lukke dette gapet.
Sjekk også ut praten jeg hadde med Sergey Levine i sammenheng Workshop on Learning from Diverse, Offline Data på RSS 2022.
Publikasjoner
2024
-
Høeg, Sigmund Hennum;
Du, Yilun;
Egeland, Olav.
(2024)
Streaming Diffusion Policy: Fast Policy Synthesis with Variable Noise Diffusion Models.
arXiv.org
Vitenskapelig artikkel
2022
-
Høeg, Sigmund Hennum;
Tingelstad, Lars;
Njaastad, Eirik B.
(2022)
Learning to grasp: A study of learning-based methods for robotic grasping.
NTNU
Mastergradsoppgave
Tidsskriftspublikasjoner
-
Høeg, Sigmund Hennum;
Du, Yilun;
Egeland, Olav.
(2024)
Streaming Diffusion Policy: Fast Policy Synthesis with Variable Noise Diffusion Models.
arXiv.org
Vitenskapelig artikkel
Rapport
-
Høeg, Sigmund Hennum;
Tingelstad, Lars;
Njaastad, Eirik B.
(2022)
Learning to grasp: A study of learning-based methods for robotic grasping.
NTNU
Mastergradsoppgave
Formidling
2024
-
PosterHøeg, Sigmund Hennum; Lars, Tingelstad. (2024) Temporally Entangled Diffusion Models for Fast Robotic Control. Generative Modeling meets HRI, RSS 2024 Workshop 2024-07-15 -
2022
-
PosterHøeg, Sigmund Hennum; Tingelstad, Lars. (2022) More Than Eleven Thousand Words: Towards Using Language Models for Robotic Sorting of Unseen Objects into Arbitrary Categories. Workshop on Language and Robot Learning, CoRL 2022 , Auckland 2022-12-14 - 2022-12-18