Asako Kanezaki
収録論文 16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
- 全方位画像を用いたエピソード記憶型身体性質問応答のための情報的な視点選択VLA2026/9/27
全方位画像をキューブマップ展開して視点を選び、質問に関連する情報を効率的に集めて自由形式の質問に答える手法を提案した。
- CounterAlign: 視覚言語行動モデルのための反事実的監督VLA/強化学習2026/8/22
専門家のデモンストレーションのみから、指示を入れ替えることで反事実的なデータを合成し、オフライン強化学習の報酬モデルを学習する手法を提案。ロボット操作の堅牢性を向上させる。
- Touch2Insert: 触覚によるピンと穴の交差検出を用いたゼロショット挿入触覚/挿入2026/3/1
触覚センサでピンと穴の断面形状を再構成し、位置合わせにより未知形状のコネクタ挿入をゼロショットで実現する手法を提案。シミュレーションと実機で高い精度と成功率を確認した。
- 行動記述予測を補助タスクに用いた身体性ナビゲーションナビゲーション2025/10/1
ナビゲーションの強化学習に、視覚言語モデルからの知識蒸留を利用して行動を言語で記述する補助タスクを組み込み、説明可能性と高性能を両立させた。
- クロスモダリティ注意によるモダリティ選択とスキル分割マニピュレーション2025/4/1
触覚や音声などの追加モダリティをロボット基盤モデルに組み込む際、各時点で最も有益なモダリティだけを選ぶクロスモダリティ注意機構を提案し、さらに熟練者のデモから基本スキルを分割して階層的政策を訓練することで、長期的で接触の多いマニピュレーション課題を解決できるようにした。
- ゼロショットペグ挿入:視覚言語モデルによる嵌合穴の特定とSE(2)姿勢推定マニピュレーション2025/3/1
視覚言語モデル(VLM)を用いて、未見の穴に対するペグ挿入をゼロショットで実現するフレームワークを提案し、嵌合穴の特定と姿勢推定を行い、PC背面パネルへのコネクタ挿入で88.3%の成功率を達成した。
- 大規模言語モデルの部屋-物体関係知識を活用したマルチモーダル入力物体目標ナビゲーションの強化物体目標ナビゲーション2024/3/1
大規模言語モデルから抽出した物体と部屋の常識的関係知識をデータセットに組み込み、マルチモーダル入力を用いたマルチタスク学習により、未知環境での物体目標ナビゲーションの効率を改善した研究。
- イベントカメラと可視光通信による視覚とマルチエージェント通信の連携群制御2024/2/1
イベントカメラとLEDを用いた可視光通信により、外見が同じ多数のエージェントを視覚的に識別し通信する手法を提案し、シミュレーションと実機実験で有効性を示した。
- 触覚による外部接触パッチ推定に基づく安定配置触覚2023/9/1
把持物体と環境の接触パッチを触覚・力覚から推定し、複雑形状物体を安定に積み重ねるための配置安定性を評価する手法を提案。
- H-SAUR: 仮説・シミュレーション・行動・更新・繰り返しによる物体の関節構造の理解マニピュレーション2022/10/1
関節物体の操作方法を確率的生成モデルで仮説・シミュレーション・行動・更新を繰り返して探索し、目標条件付きマニピュレーションを実現するフレームワークを提案。
- 物体記憶トランスフォーマによる物体目標ナビゲーション物体目標ナビゲーション2022/3/1
物体とシーンの長期記憶をTransformerで活用し、未知の屋内環境で目標物体へ効率的に到達する強化学習ナビゲーション手法を提案した論文。
- 協調的タイムドロードマップによる連続空間マルチエージェント経路計画マルチエージェント経路計画2022/1/1
複数エージェントの衝突回避と時間方向を考慮したロードマップ(CTRM)を生成モデルで学習・構築し、連続空間の経路計画を効率化した研究。
- OPIRL: 分布マッチングによるサンプル効率の良いオフポリシー逆強化学習逆強化学習2021/9/1
オフポリシーデータの分布マッチングを用いて環境との相互作用を大幅に削減し、汎化性の高い報酬関数を学習する逆強化学習手法を提案した論文。
- 深層強化学習における大規模ネットワークの学習手法深層強化学習2021/2/1
DenseNet接続の広いネットワーク、表現学習とRL学習の分離、分散学習の3手法を組み合わせ、深層強化学習で大規模ネットワークを安定に学習させ性能向上を実現した。
- 動的環境における深層リアクティブプランニングマニピュレーション2020/11/1
キネマティックプランニングと深層学習・深層強化学習を組み合わせ、実行中に目標が変化しても視覚から知覚して適応できるエンドツーエンド方策を実現した研究。
- ゴール指向参照経路による制約環境での効率的探索ナビゲーション2020/3/1
経路計画を教師あり学習、制御を強化学習に分離し、衝突回避経路を予測して追従させることで、制約環境でのナビゲーション学習を高効率化・汎化させた研究。
