Alex Bewley
収録論文 18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
- Gemini Robotics 1.5:高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げるVLA2025/10/1
異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。
- SAS-Prompt: 大規模言語モデルを数値最適化器として活用したロボットの自己改善VLA2025/4/1
LLMが数値最適化を行える点に着目し、過去のロボット軌道を要約・分析・統合する単一プロンプト(SAS-Prompt)でロボット方策を反復的に自己改善する手法を提案。シミュレーションと実機の卓球タスクで検証した。
- RoPEを超えて:STRINGによる2D・3D位置エンコーディングの改善VLA2025/2/1
大規模言語モデルで広く使われるRotary Position Encodingsを統一的な理論枠組みで拡張し、任意次元のトークン座標に対して厳密な並進不変性を保ちつつ低計算コストで2D・3D位置エンコーディングを実現するSTRINGを提案。Vision Transformerに統合し、オープンボキャブラリ物体検出やロボティクス制御で性能向上を示した。
- 人間レベルの競技卓球を実現するロボットエージェントsim2real2024/8/1
階層型ポリシーとsim-to-real技術により、アマチュア人間レベルの競技卓球を実現したロボットを開発し、人間との試合で45%の勝率を達成した。
- シーングラフViT:オープンボキャブラリな視覚関係検出のためのエンドツーエンド手法視覚関係検出2024/3/1
Transformerベースの画像エンコーダで物体をトークンとして表現し、関係を暗黙的にモデル化することで、追加のデコーダなしにオープンボキャブラリな視覚関係検出をエンドツーエンドで実現した。
- 言語モデル予測制御による人間フィードバックからの高速学習VLA2024/2/1
人間との対話履歴を遷移モデルとしてLLMに微調整し、モデル予測制御と組み合わせることで、ロボットの教示効率と成功率を向上させるフレームワークLMPCを提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- ロボット卓球:高速学習システムのケーススタディsim2real2023/9/1
人間と数百回のラリーができる卓球ロボットの学習システムを詳細に解説し、遅延対策や分布シフト、知覚の堅牢性、行動空間の選択などを実験的に検証した。
- 見えるロボット:人間の姿勢を活用した軌道予測軌道予測2023/9/1
人間の位置・頭の向き・3D骨格キーポイントを入力に、Transformerで人間の将来軌道を予測する手法を提案し、不確実性を捉えつつベンチマークで最高性能を達成した。
- 全身MPCとブラックボックス方策学習による俊敏なキャッチングマニピュレーション2023/6/1
高速で投げられた物体を視覚と固有感覚のみで受け止めるタスクに対し、モデル予測制御と強化学習の2手法を実機で比較し、性能トレードオフを分析した。
- i-Sim2Real:人間とロボットの密接なインタラクションループにおける強化学習sim2real2022/7/1
人間との協調行動をシミュレーションで学習するため、人間モデルとロボット方策を交互に実世界で更新する反復的なsim-to-real手法を提案し、卓球での協調ラリーに適用した。
- Scene Transformer:複数エージェントの軌道を統合予測する統一アーキテクチャ軌道予測2021/6/1
自動運転向けに、全エージェントの将来軌道を相互作用を考慮して同時に予測するTransformerベースのモデルを提案し、2つのデータセットで最先端性能を達成した。
- 距離条件付き膨張畳み込みによるスケール不変な3D物体検出3D物体検出2020/5/1
LiDARデータをレンジ画像上で直接処理し、距離に応じて膨張率を動的に調整する新層を導入することで、スケール変動に強い3D物体検出を実現した論文。
- 1日で自動運転を学習する自動運転2018/7/1
単眼カメラ画像を入力に、車両上での深層強化学習により車線追従ポリシーをランダム初期化から数エピソードで学習させた研究。
- メッシュ補正:3D再構成における学習ベースの誤り訂正3D再構成2018/1/1
低品質な3Dメッシュ再構成の誤差を深層学習で検出し、その大きさと方向を推定して補正することで、深度再構成の精度を最大10%改善する手法を提案。
- 変化し続ける環境への逐次敵対的ドメイン適応ドメイン適応2017/12/1
天候や照明の変化に応じてモデルを段階的に適応させる敵対的ドメイン適応手法を提案し、走行可能領域セグメンテーションで昼夜間の大きな見た目変化への頑健性を向上させた。
- 場所とは何か?ロボティクス向けの場所特化型物体検出器の構築物体検出2017/8/1
ロボットが移動する場所ごとに物体検出器を適応させ、その場所に特化した軽量な歩行者検出モデルを構築することで、汎用最先端検出器を大きく上回る性能を実現した。
- 敵対的ドメイン適応による屋外ロボティクスの見た目変化への対応ドメイン適応2017/3/1
天候や季節による見た目の変化に頑健な機械学習のため、教師なしドメイン適応に敵対的手法を適用し、特徴量をドメイン間で揃えるフレームワークを開発。安定化のためのアブレーション研究を経て自動運転の自由空間セグメンテーションに応用した。
