Balakumar Sundaralingam
収録論文 40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
- cuRoboV2-Fast:高速なトルク制限付き衝突回避動作計画動作計画2026/11/4
GPU加速により、衝突回避・ペイロード考慮・トルク制限付きの動作計画を高速化し、計画時間と実行時間を大幅に短縮したプランナを提案。
- OpenJaws: ステレオ測位を備えた汎用マニピュレーション向けオープンハードウェアUMIフレームワーク模倣学習/データ収集2026/10/27
UMI型の手持ちデータ収集デバイスを完全オープン化し、低コストステレオカメラで単眼より高精度な測位を実現、実機ロボットへのポリシー展開まで示した。
- GaP: 変動的オートメーションタスクのためのグラフとしてのポリシーを用いたマルチエージェント自己学習ハーネスタスク計画2026/7/1
ロボットの信頼性を高めるため、エージェント型コーディングと解釈可能なロボットプログラミングを組み合わせ、タスクをグラフ構造で表現して自己学習する手法を提案した。
- GraspGen-X: クロスエンボディメント6自由度拡散ベース把持把持2026/6/1
異なるグリッパー形状や物理的把持プロセスにも対応できる、拡散モデルを用いた6自由度把持生成手法を提案。スイープボリュームによるグリッパー表現と手続き的グリッパーによる大規模データセットで訓練し、未知のグリッパーへのゼロショット汎化を実現した。
- cuRoboV2:高自由度ロボットのための深度融合距離場を用いた動力学考慮型動作生成動作生成2026/3/1
Bスプライン軌道最適化、GPUネイティブなTSDF/ESDF知覚、全身計算を統合し、高自由度ヒューマノイドでも安全で実行可能な動作生成を高速に実現するフレームワーク。
- VT-Refine: 視触覚フィードバックによる両手組立のシミュレーション微調整学習マニピュレーション2025/10/1
少数の実演と高忠実度の触覚シミュレーションを組み合わせ、強化学習で両手組立ポリシーを微調整することで、接触の多い精密作業の実世界性能を向上させた研究。
- Grasp-MPC:価値関数誘導型モデル予測制御による閉ループ視覚把持マニピュレーション2025/9/1
大規模合成データで学習した価値関数をモデル予測制御に組み込み、散らかった環境でも未知物体を反応的に把持できる閉ループ6自由度視覚把持ポリシーを提案した。
- GraspGen: オブジェクト把持のための拡散モデルフレームワークマニピュレーション2025/7/1
拡散モデルを用いて6自由度の把持を生成し、識別器でフィルタリングするフレームワークを提案。5300万把持のデータセットを公開し、実機でも高い性能を示した。
- モデル予測強化学習による動的な非把持物体搬送マニピュレーション2024/12/1
少数の実演データから価値関数を学習し、不確実性を考慮したMPCと組み合わせることで、ロボットがお盆に載せた物体をこぼさず運ぶ「ロボットウェイター」タスクを実現した研究。
- 人間との対話による推論時ポリシーステアリングVLA2024/11/1
事前学習済みの生成ポリシーを微調整せずに、人間の介入でサンプリング過程をバイアスし、意図に沿った行動を引き出す枠組みを提案。
- DiffusionSeeder: 拡散モデルによる運動最適化のシード生成で高速動作計画動作計画2024/10/1
拡散モデルで深度画像から多様な軌道を生成し、GPU加速運動最適化の初期シードとして使うことで、混雑環境でのロボット動作計画を大幅に高速化・高成功率化する手法。
- Diff-DOPE: 微分可能な深層物体姿勢推定姿勢推定2023/10/1
微分可能レンダリングを用いて、画像と3Dモデルから物体の6DoF姿勢を学習なしで最適化する手法を提案し、姿勢推定データセットで最先端の結果を達成した。
- cuRobo: 並列化された衝突回避・最小ジャークロボット動作生成マニピュレーション2023/10/1
衝突回避動作生成を大域的最適化問題として定式化し、GPU上で並列に解くことで平均50msで解を得るライブラリcuRoboを開発した。
- VaPr: 可変精度テンソルによるロボット動作計画の高速化動作計画2023/10/1
動作生成に使う大規模テンソルごとに適切な浮動小数点精度を探索し、メモリ律速を解消してGPU上で動作計画を高速化する手法を提案。
- 関節物体操作のための計画アンサンブル上のメタ方策学習マニピュレーション2023/7/1
幾何モデルベースの計画器で複数の経路方策を生成し、その上でタスク特化のメタ方策を学習することで、少ないデータで環境の不確実性に頑健なドア押し操作を実現した。
- DeXtreme: シミュレーションから現実への俊敏なハンド内マニピュレーションの転移sim2real2022/10/1
強化学習で訓練した多指ハンドの巧みな操作方策と物体姿勢推定器を、シミュレーションから実機へ転移させ、視覚ベースの方策で既存手法を上回る再配向タスクを実現した。
- RGB画像のみからの卓上シーン再構成による衝突回避マニピュレータ制御マニピュレーション2022/10/1
RGBカメラ画像のみからNeRFで卓上シーンの3D形状を再構成し、ESDFとモデル予測制御を用いてマニピュレータを障害物回避しながら目標姿勢へ制御するシステムを提案した。
- ニューラルモーションフィールド:把持軌道を暗黙的価値関数として符号化マニピュレーション2022/6/1
物体の点群と把持の相対軌道をニューラルネットの暗黙的価値関数として表現し、サンプリングベースMPCで動的物体の把持をリアクティブに実現する手法を提案。
- HandoverSim: 人からロボットへの物体受け渡しのためのシミュレーションフレームワークとベンチマークsim2real2022/5/1
人からロボットへの物体受け渡しをシミュレーションするベンチマークを提案し、動作キャプチャデータを活用して訓練・評価環境を構築、複数のベースラインの性能を分析した。
- 自然言語フィードバックによるロボット計画の修正言語指示2022/4/1
自然言語の文をコスト関数の変換に対応付け、目標の修正や制約追加、計画誤りの回復を可能にする手法を提案した論文。
- 人間からロボットへの円滑な受け渡しのためのモデル予測制御物体受け渡し2022/4/1
人間から物体を受け取る際のロボットの滑らかな動作を、知覚と制約を統合したモデル予測制御で生成し、把持候補選択や接触検出も組み合わせて実機実験で有効性を示した論文。
- 変形物体の把持結果を物理シミュレーションで評価するDefGraspSim変形物体把持2022/3/1
GPUベースのFEMシミュレーションで多様な3D変形物体の把持を評価し、データセットとパイプラインを公開、実物との対応も示した。
- 人間のクエリからのブートストラップによる知覚概念の学習知覚概念学習2021/11/1
シミュレータの特権情報を使って最小限の人間入力から低次元の幾何学的概念を学び、それを自動ラベラーとして高次元センサデータの大規模データセットを合成することで、人間のラベル負担を抑えつつ実センサ入力で使える知覚概念を学習するフレームワークPCBを提案した。
- 幾何学的ファブリック:古典力学を一般化し行動の物理を捉える制御理論2021/9/1
古典力学をフィンスラー幾何学へ拡張し、安定性を保ちながら挙動を設計できる新たな制御理論「幾何学的ファブリック」を提案し、RMPを上回る性能をロボット実験で示した。
- 変形物体の把持をGPU有限要素法でシミュレーションするDefGraspSim変形物体把持シミュレーション2021/7/1
GPUベースの有限要素法で多様な3D変形物体の把持を効率的にシミュレーションし、データセットと評価パイプラインを公開した論文。
- STORM: 反応的なマニピュレーションのための高速関節空間モデル予測制御の統合フレームワークマニピュレーション2021/4/1
GPUで並列化したサンプリングベースMPCを関節空間で直接実行し、関節限界や特異点・衝突などの制約を扱いながら8ms以下で制御指令を計算するマニピュレーション向けフレームワークを提案。
- 物理シミュレーションと学習潜在投影による触覚センシングのsim-to-real触覚/sim2real2021/3/1
GPUシミュレータ上でBioTac触覚センサの高速FEMモデルを構築し、自己教師あり学習で実世界の電気出力を再現する潜在空間投影を実現した。
- SynTouch BioTacの触覚信号の解釈と予測触覚2021/1/1
BioTacの触覚信号から高密度な接触情報を推定するため、実験データセット構築と有限要素モデル、ニューラルネットワークによる双方向マッピングを開発した。
- 深層強化学習による関節空間制御マニピュレーション2020/11/1
逆運動学の微分方程式を使わず、深層強化学習でタスク空間から関節空間への写像を学習する汎用的な関節レベル制御器を提案し、シミュレーションと実機でセンチメートル以下の精度を達成した。
- 触覚指先による把持物体の動力学推定触覚2020/3/1
複数の触覚指先の力覚センシングのみを用いて、把持中の物体の摩擦・慣性パラメータを推定する手法を提案し、すべり検出による能動的摩擦推定と因子グラフによる慣性推定を実現した。
- 深層ニューラルネットワーク推論による多指把持計画マニピュレーション2020/1/1
物体の3Dボクセル表現と把持姿勢から把持成功率を予測するCNNを学習し、成功率を最大化する把持姿勢を推論することで、外部プランナなしに多指把持を計画する手法を提案した。実機実験で既存手法を上回る性能を示した。
- ロボットハンド内操作のベンチマークマニピュレーション2020/1/1
手指や環境を利用して把持物体の姿勢を変化させるハンド内操作タスクのベンチマークを提案し、初期・目標状態の例と評価指標を提供した。
- 連続3D再構成を活用した幾何学的把握学習マニピュレーション2019/10/1
学習した3D再構成を用いて物体の形状を明示的に考慮し、連続最適化で把持を計画する手法を提案。不要な接触を避ける制約も再構成から直接与え、96回の実機試行で有効性を検証した。
- 視覚触覚センシングによる運動学・力軌道の統合推定触覚2019/3/1
平面押し作業において、視覚トラッカーと触覚/力覚センサの生データを因子グラフ上の確率推論で融合し、ロボット・物体・接触状態の運動学と力をバッチ/逐次で同時推定する手法を提案した。
- 触覚サーボのための潜在空間ダイナミクス学習触覚2018/11/1
触覚センサ情報を2次元多様体として扱い、デモンストレーションから触覚サーボ用のダイナミクスモデルを学習する手法を提案し、接触点追従タスクで評価した。
- ロボットインタラクションを通じた触覚力推定のロバスト学習触覚2018/10/1
SynTouch BioTac触覚センサの信号から力を推定するロバストなニューラルネットモデルを、3種類の方法で収集した14万サンプルで学習し、力の方向と大きさの推定精度を大幅に向上させた。
- 家庭用品の意味的ロボット把持のための深層物体姿勢推定姿勢推定2018/9/1
ドメインランダム化とフォトリアルな合成データのみで学習した単一RGB画像からの6DoF物体姿勢推定ネットワークを提案し、実ロボットによる家庭用品の把持を実現した。
- 把持内操作のための緩和剛性制約に基づく運動学軌道最適化と衝突回避マニピュレーション2018/6/1
物体を把持したまま手のひら基準で姿勢を変える把持内操作を、物体の動力学情報なしの運動学軌道最適化で実現し、衝突回避と関節平滑化、姿勢フィードバック制御を加えてAllegroハンドで検証した論文。
- 指の歩行と把持内操作を交互に最適化する把持内再把持計画マニピュレーション2018/4/1
指の付け替え(フィンガーゲイト)と把持内での物体操作を交互に最適化し、物体を落とさずに初期把持から目標把持へ移行する計画手法を提案した。
- 深層ネットワーク内での確率的推論としての多指把持計画マニピュレーション2018/4/1
物体画像と把持姿勢から把持成功率を予測するCNNを学習し、誤差逆伝播による勾配 ascent でネットワーク内部を最適化して高品質な多指把持を直接計画する手法を提案した。実機実験で既存手法を上回る性能を示した。
