Bin Fang
Beijing University of Posts and Telecommunications
収録論文 29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
- 行動の再考:世界モデル計画のための連続性を考慮した事前分布世界モデル計画2026/11/12
専門家デモの行動の時間的連続性を学習するガウス過程事前分布を提案し、視覚的世界モデル計画の成功率を向上させた研究。
- 均一照明視触覚センサと時空間トランスフォーマによる堅牢な滑り検出と物体分類触覚/滑り検出2026/8/25
均一RGB照明を備えた視触覚センサと、滑り方向を含む高精度な滑り検出・物体分類を行う時空間トランスフォーマネットワークを提案した。
- TransTac: 紫外線エンコード透明エラストマーによる視覚-触覚モダリティ遷移触覚センサ2026/6/1
透明な紫外線マーカー入りエラストマーを用いた視覚触覚センサを開発し、RGB-Dカメラの近距離での精度低下を補いつつ、触覚画像のゼロショット認識精度を大幅に向上させた。
- 身体化知能における触覚ベースのマルチモーダル融合:視覚・言語・接触駆動パラダイムのサーベイ触覚/サーベイ2026/5/1
触覚と視覚・言語を統合するマルチモーダル触覚融合の研究を包括的に調査し、データセットと手法の階層的分類法を提案した論文。
- ReTac-ACT: 精密組立のための状態ゲート型視覚-触覚融合トランスフォーマーマニピュレーション2026/3/1
視覚が遮蔽される精密組立の最終段階で、触覚情報を動的に重視するゲート機構と双方向クロスアテンションを備えた視覚-触覚模倣学習ポリシーを提案し、NISTベンチマークで高い成功率を達成した。
- AnyTouch 2: 動的触覚知覚のための汎用光学触覚表現学習触覚2026/2/1
大規模階層型触覚データセットToucHDを構築し、物体理解と力覚を伴う微細な動的知覚を統合する汎用触覚表現学習フレームワークAnyTouch 2を提案した。
- RoboCOIN: 統合マニピュレーションのためのオープンソース両腕ロボットデータ収集マニピュレーション2025/11/1
15種類のロボットプラットフォームから18万件以上の両腕操作デモを集めた大規模データセットを構築し、階層的な注釈とデータ処理パイプラインを提供した。
- CLTP: 3D接触形状理解のための言語-触覚対照事前学習触覚2025/5/1
触覚3D点群と自然言語を対応付ける事前学習フレームワークを提案し、接触位置・形状・力などの接触状態を言語で理解できるようにした。
- MagicGel:磁気粒子を用いた視覚型触覚センサの新設計触覚2025/3/1
磁気粒子をマーカーとしてホールセンサで磁場変化を捉え、視覚情報と組み合わせて力推定精度を高める新しい触覚センサMagicGelを提案した。
- Tacchi 2.0: 視覚ベース触覚センサ向けの低計算コストで包括的な動的接触シミュレータ触覚2025/3/1
Material Point Methodとピンホールカメラモデルを組み合わせ、視覚ベース触覚センサの触覚画像・マーカー動画像・関節画像を低計算コストで生成するシミュレータTacchi 2.0を開発した。
- AnyTouch: 複数の視触覚センサにまたがる統合的な静的・動的表現の学習触覚2025/2/1
4種類の視触覚センサからなる整列済みデータセットTacQuadを構築し、触覚画像と動画を統合して静的・動的両面からマルチセンサ表現を学習するフレームワークAnyTouchを提案した。
- RoboBERT: エンドツーエンドのマルチモーダルロボットマニピュレーションモデルマニピュレーション2025/2/1
視覚と言語と行動を統合したロボット操作モデルを、2段階学習とデータ拡張で効率的に訓練し、CALVINベンチマークでSOTAを達成した研究。
- 移動マニピュレーションのための身体性統合制御EHC-MMマニピュレーション2024/9/1
移動と把持のバランスをQP問題として定式化し、ロボットの状態と環境に応じて動的に重み付けする統合制御手法を提案。実環境で95.6%の成功率と52.8%の時間効率向上を達成した。
- Touch100k:触覚中心のマルチモーダル表現学習のための大規模触覚・言語・視覚データセット触覚2024/6/1
触覚・言語・視覚をペアにした10万規模のデータセットTouch100kを構築し、カリキュラム学習に基づく事前学習手法TLV-Linkを提案して触覚表現学習の性能を向上させた。
- 視覚と触覚の融合:信号処理の観点から見た視触覚センサの最新レビュー触覚2024/6/1
視触覚センサを信号処理の観点から包括的にレビューし、ハードウェアだけでなく処理手法の重要性を示して今後の研究方向を展望した。
- 視覚触覚センサを用いた柔軟接触シミュレーションと変形物体操作学習変形物体操作2024/5/1
視覚触覚センサをエンドエフェクタに用い、弾性・塑性・弾塑性変形を再現するシミュレータで強化学習と模倣学習を行い、実機へ転移して変形物体操作を90%の成功率で実現した。
- スリップと回転に対応した光学式触覚センサのパストレーシングとIMPMによるシミュレーション触覚2024/5/1
パストレーシングによる画像レンダリングと改良型マテリアルポイント法(IMPM)を組み合わせ、スリップや回転を含む複雑な操作を高精度に再現する光学式触覚センサのシミュレーション手法を提案した。
- 基盤モデルがマニピュレーションのロボット学習にもたらすもの:サーベイマニピュレーション2024/4/1
基盤モデルをロボットのマニピュレーション学習に統合するための包括的枠組みを提案し、各モジュールでの課題と貢献、今後の研究方向を整理したサーベイ。
- 包括的なマルチモーダル知覚に向けて:触覚・言語・視覚データセットの提案触覚2024/3/1
触覚・言語・視覚を統合したTLVデータセットを構築し、1%のパラメータ調整で意味的アライメントを実現する軽量フレームワークSTLV-Alignを提案した。
- 密集した散乱環境における長期的ロボットマニピュレーションのための階層的視覚ポリシー学習マニピュレーション2023/12/1
密集した散乱環境での長期的なマニピュレーションタスクに向けて、高レベルポリシーとパラメータ化された行動プリミティブ(押す・掴む・置く)を組み合わせた視覚ベースの階層的ポリシーHCLMを提案し、行動クローニングと階層強化学習で訓練した。
- RobotGPT: ChatGPTからロボットマニピュレーションを学習マニピュレーション2023/12/1
ChatGPTを専門家として活用し、安定性と安全性を重視したロボットマニピュレーションの学習フレームワークを提案。タスク成功率を38.5%から91.5%に向上させた。
- 散らかった環境でのロボットによる押し込みと把持のための深層強化学習マニピュレーション2023/2/1
吸盤とグリッパを組み合わせたロボットハンドで、散らかった環境の物体を把持するシステムを提案。アフォーダンスマップを能動的探索で改善し、把持成功率を高めた。
- Tacchi: 光学触覚センサ向けのプラグイン可能で低計算コストなエラストマー変形シミュレータ触覚2023/1/1
Taichi言語を用いて粒子ベースでエラストマー変形を再現し、光学触覚センサの触覚画像を低計算コストで生成するプラグイン可能なシミュレータを提案。MuJoCoやGazeboと連携可能で、Sim2Real精度が向上。
- ソフト多モードグリッパと深層多段階学習によるハイブリッドロボット把持マニピュレーション2022/2/1
3つの把持モードを持つソフトグリッパと深層強化学習を組み合わせ、複数物体を効率的に把持するハイブリッド把持手法を提案し、実機で把持効率の向上を示した。
- 触覚-視覚知覚に向けた弾性触覚シミュレーション触覚2021/8/1
触覚センサを粒子群としてモデル化し弾性変形を再現するEIPシミュレーションを提案し、触覚と視覚を統合する知覚ネットワークで3D形状復元の性能を向上させた。
- 粒子の弾性相互作用によるロボット触覚シミュレーション触覚2020/11/1
触覚センサを協調する粒子群としてモデル化し、弾性理論で接触時の変形を再現する新しい触覚シミュレーション手法EIPを提案した論文。
- 視覚型触覚センサによる布地欠陥検出触覚2020/3/1
カメラとLEDと弾性層からなる視覚型触覚センサで布地表面の構造情報を取得し、色や柄に依存せず欠陥を検出するシステムを提案した。
- 不完全な専門家デモンストレーションからのソフト制約付き強化学習RLfD2019/11/1
不完全なデモしかない状況でも使えるRLfD手法を提案し、専門家の指導をソフト制約として扱う制約最適化問題を双対形の局所線形探索で効率的に解く。
- PointNetGPD:点群から把持姿勢を検出する軽量評価モデル把持検出2018/9/1
グリッパー内の生の3D点群を直接入力し、把持構成を評価する軽量なエンドツーエンドモデルを提案。35万件の大規模把持データセットで学習し、新規物体や散らかった環境での把持・除去タスクで既存手法を上回る性能を示した。
