Alberto Rodriguez
収録論文 65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
- 不確かさを考慮した密対応と視触覚アフォーダンスによる空中での衣服操作マニピュレーション2025/9/1
しわくちゃで吊るされた衣服を対象に、信頼度付きの密な視覚対応と触覚教師あり把持アフォーダンスを組み合わせた双腕視触覚フレームワークを提案し、折り畳みと吊り下げタスクで有効性を示した。
- TEXterity：触覚による外部器用さ ― 触覚推定と制御の同時実行による把持物体操作触覚/マニピュレーション2024/3/1
画像ベース触覚センサとロボット運動学を統合し、把持物体の姿勢推定とリーチングホライズン制御を同時に行うことで、視覚遮蔽下でも精密なハンド内操作を実現する手法を提案。
- TEXterity：触覚による外部器用さ触覚マニピュレーション2024/1/1
触覚センサとロボット運動学を統合し、把持物体の姿勢を推定しながら操作計画を生成する手法を提案。多様な物体で高精度な操作を実現。
- 接触配置制御による物体操作：複数接触と断続接触への拡張マニピュレーション2023/10/1
ファクターグラフ推定と視覚・触覚フィードバックを統合し、断続接触や複数接触を含む複雑な接触配置を制御して未知物体を操作する手法を開発した。
- 平面物体群に対する平行グリッパと把持の同時最適化マニピュレーション2023/10/1
複数の多角形物体を安定に把持できる平行グリッパの形状と把持位置を同時に最適化するフレームワークを提案し、実機実験で検証した。
- 棚入れ・積み上げ・吊り下げ：マルチモーダルな再配置のための関係的姿勢拡散マニピュレーション2023/7/1
3D点群上で物体とシーンの関係的な配置姿勢を拡散モデルにより生成し、棚入れ・積み上げ・吊り下げなどの再配置タスクを実世界とシミュレーションで実現した研究。
- simPLE: シミュレーションで学習する視触覚手法による高精度な把持・位置推定・再把持・配置マニピュレーション2023/7/1
物体のCADモデルのみを用い、シミュレーションで学習した視触覚モデルと再把持計画により、多様な物体を1mmのクリアランスで高精度に配置する手法を提案。
- 触覚による外部接触の同時推定と制御触覚2023/3/1
触覚フィードバックを用いて、把持物体と環境の間の外部接触位置と力を推定しながら、滑りを防ぐようにグリッパを制御する手法を提案した。
- 視触覚アフォーダンスによる布の局所制御マニピュレーションマニピュレーション2022/12/1
視覚と触覚を組み合わせ、布の端を把持・滑らせて広げ、隣接する角を掴めるようにするシステムを提案。触覚による端の把持判定と姿勢推定を実現した。
- ニューラル記述子場によるSE(3)同変な関係再配置マニピュレーション2022/11/1
少数の実演から物体間の空間関係を学習し、任意姿勢の未知物体を点群から再配置する手法を提案。ニューラル記述子場と単一の3Dキーポイント注釈を用いてタスク関連の局所座標系を推定する。
- 多段階の力強いマニピュレーションのためのロバスト計画マニピュレーション2022/8/1
トルクと摩擦の制約をタスク・モーション計画に組み込み、子供用安全キャップの開封やナット回し、野菜の切断など、力を要する多段階作業をロバストに計画・実行する手法を提案。
- Tac2Pose：初回接触からの触覚による物体姿勢推定触覚2022/4/1
既知物体の形状からシミュレーションで触覚観測と姿勢の対応を学習し、実センサの初回接触のみで物体姿勢の確率分布を推定する手法を提案。
- NeRFを教師信号に用いた密な物体記述子の学習物体記述子学習2022/3/1
NeRF表現から多視点間の密な対応を抽出し、それを教師データとして薄い・反射物体の視点不変な密記述子を学習。6DoFピック&プレース精度を大幅に向上させた。
- 接触配置制御による未知物体のマニピュレーションマニピュレーション2022/3/1
物体の姿勢や形状を知らなくても、物体・ロボット・環境間の接触配置（位置・形状・モード）を推定・制御して未知物体を操作する手法を提案した論文。
- ニューラル記述子場：操作のためのSE(3)同変物体表現マニピュレーション2021/12/1
物体と把持器などの相対姿勢をカテゴリレベルの記述子で符号化し、自己教師あり学習で訓練して、少ない実演から新しい物体への6自由度操作を実現した研究。
- 微分可能な非把持平面マニピュレーション学習レシピマニピュレーション2021/11/1
動画から物体の平面運動を再現する接触を考慮したロボット動作を、微分可能最適化と有限差分シミュレーションを組み合わせて学習する手法を提案。
- 能動的な外部接触センシング：汎用ペグ挿入への応用触覚2021/10/1
把持物体と環境の接触位置を能動的に推定するモデルと触覚フィードバック制御を組み合わせ、接触推定を入力とする汎用ペグ挿入方策をシミュレーションで学習し、実機で多形状物体への挿入成功率を向上させた。
- 未知形状物体への挿入を可能にする触覚強化学習触覚/マニピュレーション2021/4/1
触覚フィードバックと強化学習を用いて、未知の形状の物体でも挿入できる汎化性の高い挿入ポリシーを学習し、設計選択の比較検証を行った論文。
- 分散触覚計測と相対運動追跡による外部接触位置推定触覚2021/3/1
把持物体と環境との接触位置を、分散触覚センサが捉える物体の微小運動から制約ベース推定で特定する手法を提案し、シミュレーションと実機で検証した。
- GelSlim3.0：形状・力・滑りを高解像度で計測するコンパクト触覚指触覚2021/3/1
小型パラレルグリッパ向けに、高解像度の形状・接触力分布・初期滑りをリアルタイムで推定できる触覚指GelSlim3.0を開発し、光学系を最適化して設計とソフトを公開した論文。
- 多段階の力強いマニピュレーションのための計画マニピュレーション2021/1/1
トルクや摩擦制約を考慮した制御器をタスク・モーションプランナに組み込み、子供用安全瓶の開封やナット締めのような力強い多段階操作を計画・実行できるようにした。
- 初回接触からの触覚による物体姿勢推定：幾何学的接触レンダリングの活用触覚2020/12/1
シミュレーションで接触形状をレンダリングし、対照学習で物体ごとの知覚モデルを学習することで、1回の触覚観測から既知物体の姿勢を高精度に推定する手法を提案。複数接触にも拡張。
- RF知覚による完全遮蔽物体のロボット把持マニピュレーション2020/12/1
RFIDタグとRF知覚を活用し、視覚で見えない遮蔽物の奥にある物体を探索・把持するロボットシステムRF-Graspを開発した。成功率と効率を最大40〜50%改善した。
- NeRFを逆算して姿勢推定を行うiNeRF姿勢推定2020/12/1
NeRFを勾配降下で逆算し、メッシュ不要のRGB画像のみから6DoFカメラ姿勢を推定する手法を提案。合成・実世界シーンで有効性を示した。
- 触覚SLAM：平面押し動作からの形状と姿勢のリアルタイム推定触覚2020/11/1
触覚センサの計測列から未知物体の形状と姿勢をリアルタイムに推定する手法を提案し、平面押しによる触覚探索をオンラインSLAM問題として定式化した。
- 剛体点群物体操作のための長期的計画フレームワークマニピュレーション2020/11/1
点群観測から直接、物体モデルなしで剛体操作の長期的計画を解くフレームワークを提案し、物体サブゴール空間での計画とグラフアテンションNNにより未知物体への汎化を実現した。
- 残差点接触学習による長期予測と不確実性伝播接触モデリング2020/9/1
剛体シミュレータの接触モデルを自己教師あり学習で補正する残差モデルを提案し、平面サイコロ転がしの長期予測で不確実性を伝播させて最先端手法と比較した論文。
- 触覚による器用さ：触覚フィードバックを用いた操作プリミティブ触覚2020/2/1
双腕ロボットで触覚フィードバックによる閉ループ制御を行い、接触状態と物体状態を分けて制御する操作プリミティブ手法を提案し、外部外乱への反応を実機で実証した。
- 接触推論による高精度な視覚ベースマニピュレーションマニピュレーション2019/11/1
接触位置の最適化と運動計画を分離し、ニューラルネットと物理的状態表現を組み合わせることで、視覚ベースの平面押し操作の精度と効率を向上させた研究。
- 接触切替を伴う平面マニピュレーションのためのハイブリッド微分動的計画法マニピュレーション2019/11/1
摩擦接触の切替を含む平面押し・旋回操作に対し、ハイブリッドDDPで軌道計画と安定化制御器を生成し、実機で安定性を実証した。
- Omnipush：RGB-D動画付き押し動作ダイナミクスの多様で実世界な高精度データセットマニピュレーション2019/10/1
物体の形状と質量分布を体系的に変化させた250物体×250回の平面押し動作をRGB-Dと高精度トラッキングで記録し、メタ学習やRGB動画予測のベンチマークを備えたデータセットを構築した。
- 触覚反応型グリッパによるケーブル操作触覚2019/10/1
GelSight触覚センサを備えたグリッパで、触覚フィードバックを用いて垂れ下がるケーブルを把持・追従する制御フレームワークを提案した。
- 触覚による高密度箱詰めのための挿入制御触覚2019/9/1
高解像度触覚センサGelSlimを用い、把持物体と箱の接触情報から位置誤差を推定・補正し、未知物体でも箱の隙間へ挿入できるシステムを提案した。
- 保証付き把持：幾何学的視点によるロバスト把持計画マニピュレーション2019/9/1
平面物体の把持を自由空間の形状変化として捉え、不変性・収束性・可観測性の3種類の証明書を凸組合せモデルで定式化し、保証付き把持を合成・最適化する手法を提案。シミュレーションと実機で検証した。
- 高解像度触覚インプリントによる触覚マッピングと位置推定触覚2019/4/1
視覚型触覚センサGelSlimを用いて接触から物体形状を再構成し、事前に再構成した物体の位置を高精度に推定する手法を提案した。
- 物理シミュレータと物体ベースネットワークを組み合わせた制御sim2real2019/4/1
物理エンジンと物体ベースのニューラルネットワークを組み合わせたハイブリッド力学モデルSAINを提案し、接触を伴う複雑な制御タスクで精度とデータ効率、汎化性能が向上することを示した。
- TossingBot：残差物理で任意物体を投げる学習マニピュレーション2019/3/1
ロボットアームが試行錯誤を通じて任意物体を掴んで指定ボックスへ投げ入れるエンドツーエンド手法を提案し、物理シミュレータの予測に深層ネットワークで残差を補正することで高速かつ高精度な投擲を実現した。
- GelSlimと逆FEMによる高密度触覚力分布推定触覚2018/10/1
視覚ベース触覚センサGelSlim 2.0を改良し、マーカー変位から逆有限要素法で接触力分布をリアルタイムに高密度推定する手法を提案した。
- モーションコーンによる把持内操作マニピュレーション2018/10/1
物体を平面内で押した際に生じる可能な運動の集合（モーションコーン）を、重力や把持を含む一般化した形で定式化し、多面体近似で計算する手法を提案。把持内操作のサンプリングベース計画に応用し、従来比5〜1000倍の高速化を実現した。
- 初期滑り検出による把持維持制御触覚2018/10/1
高解像度視覚触覚センサGelSlimを用いて接触面の初期滑りをリアルタイム検出し、把持力を調整して滑りを防ぐ手法を提案した論文。
- 空気圧で形状変化する指による把持物体の姿勢制御マニピュレーション2018/9/1
空気圧で指の形状をウェッジ型とV字型に切り替え、単純なパラレルジョーグリッパで円柱物体を回転させて把持する手法を実現した。
- 固定具なしフィクスチャリングによる再把持マニピュレーション2018/9/1
物体を環境の接触面に押し付けて固定し、指を滑らせて把持を切り替える「固定具なしフィクスチャリング」を提案し、ロバストな押し動作の集合とサンプリングベースの計画法で再把持を実現した。
- 平面ケージングのための凸組合せモデルマニピュレーション2018/9/1
物体の配置空間で指を障害物として扱い、最適化の観点からケージングを特徴づける凸組合せモデルを提案した論文。
- 確率的ニューラルネットワークによる物理シミュレータの拡張：平面押し出しとバウンドのケーススタディsim2real2018/8/1
解析的な剛体シミュレータに不確実性を残差として学習するニューラルネットを組み合わせ、平面押し出しとボールバウンドの高精度かつ汎用的な物理シミュレータを構築した研究。
- 少ないデータで精密かつ制御された押し動作を実現する手法マニピュレーション2018/7/1
ガウス過程で押し動作のダイナミクスを学習し、モデル予測制御で制約を課すことで、わずか10データ点で複雑な押し軌道を実現した。
- 押し動作と把持動作の相乗効果を自己教師あり深層強化学習で学習するマニピュレーション2018/3/1
把持と押し動作の相乗効果を、試行錯誤による自己教師ありQ学習でゼロから獲得し、散らかった環境での把持成功率と効率を向上させた研究。
- GelSlim：高解像度・コンパクト・堅牢・校正済みの触覚センシング指触覚2018/3/1
視覚ベース触覚センサを改良し、薄型で頑丈かつ均一な出力を持つロボット把持用指を開発。3000回以上の把持実験で耐久性を評価した。
- 触覚再把持：触覚変換シミュレーションによる把持調整触覚2018/3/1
触覚計測を仮想的に変換して把持品質を評価するネットワークを用い、局所的な把持調整動作を計画する手法を提案した。把持成功率が平均70%向上した。
- 触覚と視覚を融合した吸引保持物体の挿入のためのリアルタイム状態推定触覚2018/3/1
吸引カップで保持した物体を狭い空間に挿入するため、力覚・視覚・ロボット運動学をiSAMで統合し、接触形態をデータ駆動で推定するリアルタイム状態推定システムを開発した。
- 平面押し操作データにおける摩擦のばらつき：異方性摩擦とデータ収集バイアスマニピュレーション2018/2/1
平面押し操作のデータセットに見られる確率的・多峰的挙動を、材料の不均一性・摩擦の異方性・データ収集時のバイアスで説明し、異方性摩擦モデルがデータの偏りを再現できることを示した研究。
- 多様な把持戦略と領域横断画像照合による混雑環境での新規物体ピック＆プレースマニピュレーション2017/10/1
カテゴリ非依存のアフォーダンス予測で4種の把持動作を使い分け、商品画像との照合で未知物体も認識するピック＆プレースシステムを構築し、2017年Amazonロボティクスチャレンジの収納タスクで優勝した。
- データ効率の良い剛体接触モデルの学習：平面衝突のケーススタディ接触モデル2017/10/1
平面衝突の実験データを用いて、剛体接触モデルをデータ駆動型・データ補強型モデルと比較し、少ない学習データで学習モデルが解析モデルを上回ることを示した。
- 交互に固着する接触を利用した安定な把持内押し操作マニピュレーション2017/10/1
外部からの押し動作で物体を把持したまま操るため、固着接触を交互に切り替えるサンプリングベースの計画手法を提案し、従来比100〜1000倍高速に計画できることを示した。
- 学習モードを活用した凸ハイブリッドMPCによる反応型平面マニピュレーションマニピュレーション2017/10/1
接触モードの選択を機械学習でオフライン学習し、オンラインでは凸ハイブリッドMPCとしてリアルタイムに解くことで、平面物体の把持・操作を高速に制御する手法を提案した論文。
- 平面剛体接触モデルの性能と解釈性の根本的限界接触モデル2017/10/1
6種類の一般的な剛体接触モデルを実験データでパラメータ同定し、性能の上限と失敗モードを明らかにして、その限界を指摘した論文。
- 触覚と視覚を統合したリアルタイム状態推定：平面マニピュレーションへの応用マニピュレーション2017/9/1
触覚と視覚の入力をiSAMフレームワークで統合し、プッシャー・スライダー系の物体状態をリアルタイム推定する手法を提案。視覚の遮蔽問題を触覚で補い、形状・素材・接触モードを変えた実験で推定精度を評価した。
- GP-SUM：非ガウス信念のガウス過程フィルタリング確率フィルタリング2017/9/1
ガウス過程で表された動力学・観測モデルに対し、信念をガウス和で表現して線形化や単峰近似なしにフィルタリングするGP-SUMを提案し、ベンチマークと押し動作で有効性を示した。
- 外部からの押し動作を用いた把持物体のサンプリングベースマニピュレーション計画マニピュレーション2017/7/1
把持した物体を外部からの連続的な押し動作で操作するため、サンプリングベース計画と逆接触動力学ソルバを組み合わせた手法を提案し、シミュレーションと実機で有効性を示した。
- 平面押し動作の確率的データ駆動モデルマニピュレーション2017/4/1
平面押しの結果とばらつきを予測するため、入力依存ノイズを持つ変分ヘテロスケダスティックガウス過程を学習し、100サンプル未満で解析モデルを上回る精度を達成した。
- ハンド内マニピュレーションにおける接触ダイナミクスの実験的検証マニピュレーション2017/2/1
把持中の物体を滑らせ・回転・転がす3種の基本操作について数千回の実験を行い、クーロン摩擦と最大エネルギー原理に基づく接触モデルの予測精度を検証した。
- プッシャー・スライダー系のフィードバック制御：ハイブリッドで劣駆動な接触ダイナミクスの物語マニピュレーション2016/11/1
平面押し動作を対象に、摩擦円錐と接触モードのハイブリッド性を整数計画とモデル予測制御で扱い、実時間で目標追従できる制御器を提案・実機検証した論文。
- 多視点自己教師あり学習による6D姿勢推定：Amazon Picking Challengeへの応用6D姿勢推定2016/9/1
多視点RGB-Dデータと自己教師あり学習を組み合わせ、 clutter環境でも物体の6D姿勢を高精度に推定する手法を提案し、APC 2016で有効性を示した。
- 押し動作の高忠実度実験データセット：100万通り以上の押し方マニピュレーション2016/4/1
平面押し動作を6次元で変化させた高精度実験データセットを構築し、摩擦のばらつきやロボティクスでよく使われる摩擦押しモデルの仮定・簡略化を評価した論文。
- MITチームのAmazon Picking Challenge 2015への取り組みマニピュレーション2016/4/1
倉庫の棚から商品を自動で取り出すAmazon Picking Challenge 2015に参加したMITチームの設計方針・成果・教訓をまとめ、残された課題を論じた論文。
- 第1回Amazon Picking Challengeの分析と観察マニピュレーション2016/1/1
倉庫棚から商品を自動で取り出すロボット競技の初開催概要と、参加26チームへのアンケート結果をまとめ、機構・知覚・計画手法の傾向と成功要因を分析した。
