Berthold Bäuml
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
- 触覚スキンを用いた2本指間での小物体の制御分離の学習触覚/強化学習/sim2real2026/5/1
多目的ロボットハンドの2本指で小物体を掴み、触覚のみを用いて所望の個数だけ指間に残す制御分離タスクを提案・解決した。強化学習をシミュレーションで訓練し、実機への転送も成功させた。
- ノイズ除去粒子フィルタ:単一ステップ目的関数による状態推定の学習状態推定2026/2/1
マルコフ性を活かし、単一の状態遷移から学習する粒子フィルタを提案。ノイズ除去スコアマッチングで測定モデルを暗黙的に学習し、推論時は学習済みデノイザとダイナミクスモデルでベイズフィルタを近似する。
- 強化学習のCriticによるスコアリングで巧みな把持とハンド内操作を統合する手法マニピュレーション2025/5/1
ハンド内操作のために訓練された強化学習エージェントのCriticネットワークを活用し、操作に適した初期把持をスコアリングして選択することで、追加学習なしに操作成功率を大幅に向上させ、実機での自律的な把持・再配向パイプラインを実現した。
- 時間最適かつ速度調整可能な触覚によるハンド内操作の学習マニピュレーション2024/11/1
強化学習により、触覚フィードバックのみを用いて物体を高速でハンド内回転させる方策を学習し、速度調整も可能にした。シミュレーションから実機DLR-Hand IIへのゼロショット転移も実証した。
- 未知物体に対する多接触把持を実現する学習ベースの器用ハンド制御器マニピュレーション2024/9/1
単一深度画像から得た粗い3Dモデルだけを用い、未知物体に対して多接触を含む任意の把持を実現する学習ベースの把持制御器を提案し、実機で6msの制御周期を達成した。
- 触覚スキンによる巧みな操作:シミュレーション学習と実機転移触覚2024/9/1
柔らかい指先の触覚スキンを物理シミュレータで再現し、ビー玉やボルトを指間で回す繊細な操作を強化学習で獲得、実機へ転移させた。
- 触覚のみで多様な物体を手内操作する形状条件付きエージェントの学習マニピュレーション2024/7/1
指の関節トルクと位置のみを頼りに、物体の形状情報を活用した強化学習と状態推定器により、多様な物体を手内で回転させるエージェントを訓練し、実世界でも高い成功率と未知物体への汎化を実現した。
- 深層学習による最適化ベース動作計画の高速化動作計画2023/11/1
3D環境をコンパクトに符号化するbasis point setと学習により、最適化ベース動作計画の初期解を予測して高速化し、19自由度ヒューマノイドで200msの経路生成と実機実験を実現した。
- 推定器結合強化学習による堅牢な純触覚ハンド内操作触覚/マニピュレーション2023/11/1
触覚のみを用いたハンド内での物体回転操作において、制御方策と状態推定器を訓練時から結合することで推定精度と操作性能を向上させ、実機転移を実現した研究。
- 頭部搭載RGBカメラのみを用いた弾性ヒューマノイド上半身の自己完結型キャリブレーションキャリブレーション2023/11/1
ヒューマノイドロボットの上半身を、外部計測機器を使わず頭部のRGBカメラだけでキャリブレーションする手法を提案し、従来と同等の精度を達成した。
- 衝突回避を伴う高速逆運動学の効率的学習マニピュレーション2023/11/1
ニューラルネットで初期推定を行い、ヤコビアン法で衝突回避付き逆運動学を高速高精度に解く学習手法を提案。
- 弾性ヒューマノイド上半身のキャリブレーションと動作計画のための効率的補償キャリブレーション2023/11/1
ヒューマノイド上半身の関節・横弾性を考慮した運動学モデルを初めて構築し、Agile Justinでキャリブレーションして位置誤差を21mmから3.1mmに削減。暗黙的モデルを最適化ベースの動作計画に統合する効率的な手法を提案。
- ペア接触計測のみによる多指ハンドの自己完結型自動キャリブレーションキャリブレーション2023/11/1
指先同士を接触させる計測だけで多指ロボットハンドの運動学を高精度に自動キャリブレーションする手法を提案し、DLR-Hand IIで最大誤差を17.7mmから3.7mmに低減した。
- 形状補完と把持予測を組み合わせた多指ハンドによる高速で汎用的な把持マニピュレーション2023/10/1
単一視点の深度画像から物体形状を補完し、その形状に基づいて多指ハンドの把持姿勢を高速に予測する深層学習パイプラインを提案し、実機で多様な家庭用品の把持に成功した。
- モジュラー強化学習による巧みな触覚ベースのハンド内操作マニピュレーション2023/3/1
トルク制御DLR-Hand IIを用いて、立方体を24通りの目標姿勢に再配向するタスクを、モジュラー深層強化学習と微分可能粒子フィルタによる状態推定で学習し、Sim2Real転移で高成功率を達成した。
- トルク制御ハンドによる純触覚的な手内操作の学習触覚/手内操作2022/4/1
カメラを使わず触覚と関節トルクのみで、立方体を落とさず連続的に持ち替えながら回転させる手内操作を強化学習で獲得し、実機ヒューマノイドハンドに転移した。
