Aniruddha Kembhavi
収録論文 21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
- SAT: マルチモーダル言語モデルのための動的空間適性トレーニングVLA2024/12/1
3Dシミュレータを用いて静的・動的な空間推論を含む17.5万件のQAペアと2万シーンからなるデータセットSATを構築し、マルチモーダル言語モデルの空間認識能力を訓練する手法を提案した。
- One RING:ロボット屋内ナビゲーションの汎用モデルナビゲーション2024/12/1
シミュレーションで大規模な機体形状のランダム化を行い、様々な実機ロボットに適応できる機体非依存の屋内ナビゲーション方策を学習した。
- FLaRe: 大規模強化学習ファインチューニングによる熟達した適応型ロボットポリシーVLA2024/9/1
事前学習済みロボットポリシーを大規模強化学習でファインチューニングし、未見環境での長期的移動操作タスクの成功率を大幅に向上させ、新しい身体や行動への迅速な適応を実現した。
- PoliFormer:大規模オンポリシー強化学習とTransformerによる熟練ナビゲータナビゲーション2024/6/1
RGB画像のみを用い、シミュレーションでの大規模強化学習により実世界に適応なしで汎化する屋内ナビゲーションエージェントを提案。物体目標ナビゲーションで成功率85.5%を達成。
- Holodeck: 言語ガイドによる3D身体性AI環境の生成sim2real2023/12/1
GPT-4と大規模3Dアセットを用いて、テキストプロンプトから多様な3Dシミュレーション環境を自動生成するシステムを提案。
- 調和型モバイルマニピュレーションモバイルマニピュレーション2023/12/1
移動と操作を分けずにエンドツーエンドで学習し、ドア開けなど協調動作が必要な家庭タスクを実環境で実現する手法を提案。
- SPOC: シミュレーションでの最短経路模倣による実世界での効果的なナビゲーションと操作ナビゲーション2023/12/1
シミュレーション内の最短経路プランナーを模倣することで、RGBのみを用いて実世界でナビゲーション・探索・物体操作ができるエージェントを訓練した研究。
- プロンプタブル・ビヘイビア:人間の選好に基づく多目的報酬のパーソナライズVLA2023/12/1
多目的強化学習で単一の方策を訓練し、実演・軌道比較への選好フィードバック・言語指示の3手法で人間の選好を推定してロボットの行動をパーソナライズするフレームワークを提案。
- 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。
- Phone2Proc: 混沌とした実世界に頑健なロボットを送り出すsim2real2022/12/1
スマホで10分スキャンした部屋の間取りを条件に多様な訓練シーンを自動生成し、実環境でのObjectNav成功率を34.7%から70.7%へ大幅に改善した。
- Objaverse: 注釈付き3Dオブジェクトの大規模データセット3Dデータセット2022/12/1
80万以上の3Dモデルとキャプション・タグ・アニメーションを備えた大規模データセットを構築し、3D生成や物体ナビゲーションなど多様な応用可能性を示した。
- ナビゲーションエージェントは環境について何を学習するのか?ナビゲーション2022/6/1
視覚ナビゲーションエージェントの内部表現を解析する解釈システムiSEEを提案し、障害物回避や目標可視性、進捗などの情報が動的に符号化されていることを明らかにした。
- ProcTHOR: 手続き型生成による大規模身体性AI環境sim2real2022/6/1
手続き型生成で多様な仮想環境を大量に作り出し、身体性AIエージェントの学習・評価を可能にするフレームワークを提案。生成した1万件の家で学習したモデルが複数のベンチマークで最高性能を達成。
- 視覚的物体位置推定による物体操作マニピュレーション2022/3/1
エージェントが環境を探索して対象物体の3D位置を推定し、見えない時も位置を追跡することで物体操作の成功率を3倍向上させた研究。
- RobustNav:実環境ナビゲーションエージェントのロバスト性を評価するベンチマークナビゲーション2021/6/1
視覚ノイズや動力学の乱れに対する屋内ナビゲーションエージェントの頑健性を体系的に評価するフレームワークRobustNavを提案し、既存手法が大きく性能低下することを示した。
- ManipulaTHOR:視覚に基づく物体操作のためのフレームワークマニピュレーション2021/4/1
物理シミュレーション環境AI2-THOR上に構築した物体操作フレームワークを提案し、移動エージェントによる3D障害物回避や遮蔽下での操作を含む新課題ArmPointNavを提示した論文。
- 視覚に基づく部屋の再配置タスクマニピュレーション2021/3/1
部屋の物体の初期配置を記憶し、変更後に元に戻すRoom RearrangementタスクのデータセットRoomRとベースラインモデルを提案した論文。
- AllenAct:身体性AI研究のためのモジュラーフレームワーク身体性AIフレームワーク2020/8/1
多様な身体性AI環境・タスク・アルゴリズムを統一的に扱えるモジュール式学習フレームワークAllenActを提案し、再現実装やチュートリアルを提供する。
- ObjectNav再考:物体ゴールナビゲーションの評価指針物体ナビゲーション2020/6/1
未探索環境でラベル指定された物体を探して移動するObjectNavタスクについて、評価基準・エージェント身体仕様・環境特性の標準的な指針を整理し、CVPR2020のEmbodied AIワークショップでの実装例を示した合意文書。
- 物体とのインタラクションを通じて物体を学ぶ物体認識2020/6/1
乳児の遊びによる学習に着想を得て、物理シミュレーション環境内でエージェントが自ら物体と相互作用し、外部教師なしで物体の発見や形状・相対質量を学習する枠組みを提案した。
- RoboTHOR:シミュレーションから実世界への転移を目指す embodied AI プラットフォームsim2real2020/4/1
シミュレーション環境と対応する実世界環境をペアで提供し、遠隔から実機でモデルを評価できる embodied AI の基盤を構築した。sim2real の性能ギャップを定量的に示した。
