Alex Church
収録論文 10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
- AnyRotate: 重力不変な手内物体回転を実現するSim-to-Real触覚触覚2024/5/1
高密度な触覚情報をシミュレーションで学習し実機へゼロショット転移することで、手の向きや重力に依存せず任意軸周りに未知物体を回転させるシステムを実現した。
- ロボットの触覚に対する注意:堅牢なSim-to-Real触覚制御のための触覚顕著性予測触覚2023/7/1
人間の触覚注意機構と視覚的顕著性予測に着想を得て、触覚画像中の重要な接触情報を特定する「触覚顕著性」の概念を提案し、接触深さ推定・顕著性予測・ノイズ生成の3ネットワークで実現した。
- Bi-Touch: シミュレーションから実機への深層強化学習による両腕触覚マニピュレーション触覚マニピュレーション2023/7/1
低コストの触覚センサを備えた双腕ロボットシステムを構築し、双方向プッシュ・再配向・収集タスクを深層強化学習と触覚sim-to-realで学習させ、実環境での汎化性と頑健性を示した。
- 触覚によるプッシング操作のためのSim-to-Realモデルベース・モデルフリー深層強化学習触覚2023/7/1
視覚入力を使わず触覚センシングのみで物体を目標位置へ押すタスクに対し、モデルベースとモデルフリーの深層強化学習をsim-to-realで実機に適用し、未見物体への汎化と外乱下での高精度制御を実現した。
- 触覚における接触幾何と滑り誘起せん断の半教師あり分離触覚2022/8/1
軟体光学触覚センサの滑りによるせん断歪みを半教師あり学習で除去し、接触形状の復元と物体姿勢推定を高精度に行う手法を提案。
- Tactile Gym 2.0:低コスト高解像度触覚センサを比較するためのSim-to-Real深層強化学習触覚/sim2real2022/7/1
3種類の光学式触覚センサ(TacTip, DIGIT, DigiTac)を対象に、単一のsim-to-real手法で実機タスク(物体押し・エッジ追従・表面追従)を高精度に達成し、低コスト4自由度アームでベンチマークを拡張した。
- 実画像変換による触覚のsim-to-realポリシー転送触覚2021/6/1
光学式触覚センサを深度画像として模擬する環境を構築し、実センサ画像をシミュレーション画像へ変換することで、触覚を要するタスクのゼロショットsim-to-real転送を実現した。
- 触覚ロボティクスのための深層強化学習:点字キーボードでタイピングを学習する触覚/強化学習2020/8/1
触覚画像のみを観測として用い、実機ロボットで点字キーボードのタイピングを深層強化学習で学習させる環境と4段階のタスクを提案し、シミュレーションでは全タスク、実機では4タスク中3タスクの学習に成功した。
- 触覚モデルO:3Dプリント製3本指触覚ロボットハンドの製作と評価触覚2019/7/1
3Dプリントの3本指ハンド各指先に軟質触覚センサTacTipを搭載し、YCB物体での把持性能と触覚による物体分類・把持成功予測を評価した研究。
- ピクセルから知覚へ:深層学習と光学生体模倣触覚センサによる高ロバストなエッジ知覚と輪郭追従触覚2018/12/1
光学生体模倣触覚センサTacTipに深層CNNを適用し、円盤へのタッピングのみで訓練したモデルで、不規則・柔軟物体のエッジ知覚と輪郭に沿った接触点計画を実現した。
