Abraham George
収録論文 15本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 把持分類ラベルをモード切替として用いるクライミングホールドの巧みな把持マニピュレーション2026/11/9
クライミングホールド把持において、4種類の把持ラベルを点群ポリシーの条件として与えることで把持動作を切り替え、滑り力と把持成功率を大幅に改善した研究。
- キルチェーンの合成:エッジ上での目標検証と戦術推論のためのゼロショットフレームワークVLA2026/2/1
軽量物体検出と小型視覚言語モデルを組み合わせ、動的な軍事環境でエッジロボティクスによる目標検証と戦術推論をゼロショットで実現する階層的フレームワークを提案し、合成動画で評価した。
- LLM Trainer: 大規模言語モデルによる実演拡張を用いたロボットデータ自動生成模倣学習2025/9/1
少数の人間の実演から大規模言語モデルの世界知識を活用して模倣学習用のロボットデータセットを自動生成するパイプラインを提案し、実機で有効性を示した。
- RT-Cache: 学習不要の検索によるリアルタイムマニピュレーションマニピュレーション2025/5/1
多様な画像と行動の軌跡をベクトルメモリにキャッシュし、テスト時に現在のフレームを埋め込んでマルチステップのスニペットを検索・再生することで、学習や微調整なしにリアルタイムでロボットを制御する手法を提案。
- 意味的知能:低コストロボティクスにおけるGPT-4とA*プランニングの統合VLA2025/5/1
低コストロボット上でGPT-4の意味推論とA*経路計画を組み合わせ、FSMを使わずに高レベルな指示を解釈して経路生成するハイブリッド手法を提案した論文。
- LLMドローン:大規模言語モデルで計画するドローンによる空中積層造形空中マニピュレーション2025/3/1
大規模言語モデルを活用してドローンによる空中積層造形の計画・実行を支援し、現場で適応的に建築計画を生成するシステムを提案した。
- PLATO: LLMとアフォーダンスを活用した道具操作のためのプランニングVLA2024/9/1
環境の事前知識なしに、複数のLLMエージェントが自然言語指示を解釈し、道具のアフォーダンスを予測して長期的な道具使用タスクの行動計画を生成するシステムを提案。
- 低忠実度の視触覚事前学習による視覚のみのマニピュレーション性能向上触覚2024/6/1
低コストな触覚センサBeadSightで視触覚事前学習を行い、実行時は触覚を無効化して視覚のみで推論することで、USBケーブル挿入タスクの性能を最大65%改善できることを示した。
- BeadSight: ハイドロゲルビーズを用いた低コスト触覚センサ触覚2024/5/1
ハイドロゲルビーズをビニール袋に封入した安価で交換容易な触覚センサを提案し、背面カメラでビーズの変形を撮影、U-netで圧力マップを推定する。
- VITaL事前学習:触覚・非触覚マニピュレーションポリシーのための視触覚事前学習触覚2024/3/1
視覚と触覚を組み合わせた事前学習を行うことで、触覚を使うエージェントだけでなく触覚を使わないエージェントの模倣学習性能も大幅に向上することを示した研究。
- 一杯どうぞ:ロボットによる透明容器への炭酸飲料の精密注ぎマニピュレーション2023/9/1
RGB画像のみを用いたゼロショットのパイプラインで、炭酸・非炭酸飲料を様々な透明容器に精密に注ぐサービスロボットを実現し、ChatGPT連携で非専門家でも指示可能にした。
- ワンACTプレイ:単一実演からの行動クローニングと行動チャンキングトランスフォーマー模倣学習2023/9/1
単一の人間実演を線形変換で拡張し、行動クローニングでブロック操作タスクを学習させる手法を提案。推論時の時間アンサンブルに予測の標準偏差を取り入れ、環境変化への頑健性を向上させた。
- RoboChop: 基盤モデルを活用した果物・野菜の自律切断フレームワークマニピュレーション2023/7/1
SAMとYOLOを組み合わせて果物や野菜を検出・追跡し、切断動作を自律的に計画・実行する調理ロボットシステムを提案した。
- OpenVR: マニピュレーションのためのテレオペレーションテレオペレーション2023/5/1
Oculus VRヘッドセットでFranka Emika Pandaロボットを遠隔操作するオープンソース手法を提案し、誰でも手軽に高品質なデモンストレーションを収集できるようにした。
- 人間の介入を最小化:深層強化学習のための単一デモンストレーションの拡張強化学習2022/9/1
VRで収集した単一の人間デモを拡張し、DDPG+HERと組み合わせることで、複雑なブロック積みタスクを少ない人間入力で学習させる手法を提案。
