Carmelo Sferrazza
Amazon FAR
収録論文 38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
- 人間とヒューマノイドの動作のための統一慣性エンコーダ慣性オドメトリ/動作理解2026/11/6
人間とヒューマノイドの動作を共通の慣性入力空間で表現する統一エンコーダを提案し、人間動作データで学習したモデルを物理シミュレーションや実機学習なしでUnitree G1にゼロショット転移させ、速度推定と言語接地動作理解を実現した。
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- DexPort：巧みなハンドのデータ収集のための携帯型スキルインターフェースマニピュレーション2026/10/23
同じハンドハードウェアを収集と展開の両方に用い、少数のスキル選択で指関節を協調させて高自由度ハンドの実演データを収集する携帯型インターフェースを提案し、行動クローニングで視覚運動方策を学習した。
- 自己教師あり慣性オドメトリ慣性オドメトリ2026/10/19
短い時間窓ごとのIMU積分を教師として慣性オドメトリモデルを自己教師あり学習し、ポーズグラフ蒸留で改善する手法を提案。正解軌道なしで歩行者・ドローン・四足・ヒューマノイドの6データセットで高精度を達成。
- PanTact: ウェアラブル接触インターフェースで全身器用さを教える全身マニピュレーション2026/10/8
ロボットを使わない人間のデモンストレーションから、接触情報を介してヒューマノイドの全身マニピュレーションを学習するシステムを提案。
- QF3: フィルタリングされたQ勾配による高速フロー強化学習強化学習2026/10/6
フローポリシーを強化学習で訓練する際、批評家の行動勾配を1ステップ予測に逆伝播し、信頼できる行動次元のみに適用するオフポリシー手法を提案。ヒューマノイド歩行をゼロから学習し実機にゼロショット転移、既存手法より10倍高速化を実現。
- EyeRobot 2.0：手首カメラなしで精密操作を可能にする能動的視線制御マニピュレーション2026/10/2
単一のステレオカメラのみで、人間の視覚のように視線を能動的に動かして注視点を定め、両手の精密操作を実現するフレームワークを提案。実世界とシミュレーションで評価し、手首カメラなしでも高性能を示した。
- 触覚的好奇心がロボットのインタラクションを駆動する触覚2026/9/30
触覚フィードバックを探索の内在的報酬として用い、接触を伴う操作スキルを効率的に学習するフレームワークTacExを提案。タスク報酬や専門家デモなしで物体操作を獲得し、VLAモデルの事後学習にも有効。
- 反実仮想動画生成によるスケーラブルなヒューマノイドの移動操作移動操作2026/9/29
少数の実動画から反実仮想の人間-物体インタラクション動画を大量生成し、実→シミュ→実のパイプラインで物理的に妥当な軌道に変換して、多様な物体の運搬を実機で実現する方策を学習した。
- 人間のデモンストレーションからロボットハンドを生成するロボットハンド設計2026/6/1
人間の指先動作データを用いて、ロボットハンドの設計を自動生成するデータ駆動型フレームワークを提案した。
- VLK: 再構築シーンでの合成インタラクションによるヒューマノイドの移動操作学習ヒューマノイド/移動操作/sim2real2026/6/1
3Dガウススプラッティングで再構築した屋内シーンで、視覚・言語・運動のペアデータを合成生成し、ヒューマノイドの移動操作ポリシーを学習する手法を提案。実機Unitree G1でナビゲーションと物体運搬を実証した。
- TactX: 多様なセンサにわたる共有触覚表現の学習触覚2026/6/1
異なる原理の触覚センサ（抵抗、磁気、視覚）からのデータを共通の潜在空間に写像するフレームワークTactXを提案し、あるセンサで訓練した操作ポリシーを別のセンサへゼロショット転移できることを示した。
- フローポリシー勾配によるロボット制御強化学習2026/2/1
フローマッチングを用いたポリシー勾配法を改良し、脚式移動やヒューマノイド動作追従、マニピュレーション、sim-to-real転移を実現した研究。
- RPL: 複雑地形におけるロバストな人型知覚移動の学習歩行2026/2/1
2段階の学習フレームワークにより、複数の深度カメラを用いて複雑な地形を多方向に歩行し、荷物を積んでもロバストな人型ロボットの移動を実現した。
- 知覚型ヒューマノイドパルクール：モーションマッチングによる動的人間スキルの連鎖歩行2026/2/1
人間の動的スキルをモーションマッチングで連鎖させ、深層知覚と強化学習により、ヒューマノイドが障害物を乗り越え・登り・跳び越え・転がり落ちるパルクールを自律実行できるフレームワークを提案。
- 15分でヒューマノイドのsim-to-real歩行を学習sim2real2025/12/1
オフポリシーRL（FastSAC/FastTD3）と大規模並列環境を組み合わせ、Unitree G1やBooster T1の歩行制御を単一GPUで15分で学習し実機転移を実現した。
- GaussGym：ピクセルから歩行を学習するためのオープンソース実世界→シミュレーション変換フレームワークsim2real2025/10/1
3Dガウススプラッティングを物理シミュレータに組み込み、毎秒10万ステップ超の高速フォトリアルシミュレーションを実現し、実機への転移やナビゲーション性能の向上を示した。
- OmniRetarget: 相互作用を保持するヒューマノイド全身移動操作・シーンインタラクション向けデータ生成sim2real2025/9/1
人間・地形・物体間の空間的・接触的関係をインタラクションメッシュで明示的に保持しながら運動をリターゲティングし、物理的に妥当で多様な全身移動操作データを生成する手法を提案。
- 大きく、正則化し、カテゴリカルに：高容量価値関数は効率的なマルチタスク学習者マルチタスク強化学習2025/5/29
高容量な価値モデルをクロスエントロピーで学習し、学習可能なタスク埋め込みで条件付けることで、オンライン強化学習におけるタスク干渉を解決し、マルチタスク学習をスケーラブルにする手法を提案。
- FastTD3：ヒューマノイド制御のためのシンプルで高速かつ高性能な強化学習歩行2025/5/1
並列シミュレーションや大バッチ更新、分布型クリティックなどの改良を加えたTD3エージェントにより、ヒューマノイドロボットの強化学習を単一GPUで3時間未満に高速化した手法を提案。
- MuJoCo Playground：ロボット学習のためのオープンソースフレームワークsim2real2025/2/1
MJX上に構築された完全オープンソースのロボット学習フレームワークで、単一GPUで数分以内に方策を訓練でき、四足歩行・ヒューマノイド・多指ハンド・ロボットアームなど多様なプラットフォームでゼロショットsim-to-real転移を実現する。
- 視覚を超えて：言語グラウンディングによる異種センサーでの汎用ロボット方策のファインチューニングVLA2025/1/1
自然言語を共通のクロスモーダル基盤として用い、視覚・触覚・音声などの異種センサー入力を扱えるよう汎用ロボット方策をファインチューニングする手法FuSeを提案。実世界実験で成功率を20%以上向上させた。
- MaxInfoRL：情報利得最大化による強化学習の探索促進強化学習2024/12/1
情報利得を内在的報酬として最大化し、価値関数と状態・報酬・行動のエントロピーを自然にトレードオフする探索フレームワークを提案。連続状態行動空間のオフポリシーRLに適用し、困難な探索問題や視覚制御タスクで性能向上を実現。
- ActSafe: 安全制約付き強化学習のための能動的探索安全強化学習2024/10/1
未知のダイナミクスに対する不確実性を考慮しつつ安全制約を守りながら探索するモデルベース強化学習手法を提案し、学習中の安全性と高性能を両立できることを示した。
- 動画からの手と物体のインタラクション事前学習マニピュレーション2024/9/1
野生の動画から人間の手と物体の3D軌道を抽出し、ロボットの操作スキルを事前学習する手法を提案。生成モデルで汎用的な操作の事前分布を獲得し、下流タスクへの適応を効率化する。
- Body Transformer：ロボット身体性を活用した方策学習VLA2024/8/1
ロボットの身体をセンサとアクチュエータのグラフとして表現し、マスク付きアテンションで情報を集約するBoTを提案。模倣学習・強化学習の方策において、通常のTransformerやMLPより高性能・高効率であることを示した。
- HumanoidBench：全身移動とマニピュレーションのためのシミュレーション人型ロボットベンチマーク全身制御/ベンチマーク2024/3/1
器用な手を持つ人型ロボットの全身移動・操作タスクを集めた高次元シミュレーションベンチマークを提案し、既存の強化学習手法の限界と階層型学習の有効性を示した。
- 飛行ロボットの多点接触インタラクションのための光学式触覚センシング：設計・統合・評価触覚2024/1/1
ドローン底部に搭載する曲面ソフト表面の光学式触覚センサを開発し、2cm間隔の複数接触点の3D位置と力をリアルタイム推定して、着陸や障害物マッピングに応用した。
- 感覚の力：マスク付きマルチモーダル学習による視覚と触覚からの汎化可能なマニピュレーションマニピュレーション2023/11/1
視覚と触覚をマスク付きオートエンコーディングで統合表現として強化学習し、サンプル効率と汎化性能を高める手法M3Lを提案し、挿入・ドア開け・器用な手内操作で有効性を示した。
- 分布接触力計測による滑り検出：データ駆動型触覚センサを活用した物理ベース手法触覚2021/9/1
視覚ベース触覚センサで分布力を計測し、物理モデルに基づいて把持中の物体の滑りをリアルタイム検出して把持力増加を促す手法を提案した。
- 触覚制御方策のゼロショットsim-to-real転移によるアグレッシブな振り上げ操作触覚/sim2real2021/1/1
視覚型触覚センサのみを頼りに、物体の物理特性を事前知識なしで多様な棒を180度まで振り上げる動的マニピュレーションを実現し、シミュレータで学習した方策を実機へゼロショット転移させた研究。
- 布製ソフトロボットアームのための視覚ベースセンシングソフトロボティクス2020/12/1
布製の球状ソフトロボットアームにカメラを内蔵し、CNNで画像から姿勢角を推定する視覚ベースの固有感覚センシングを実現した。約1度の精度でリアルタイム推定し、閉ループ制御に応用した。
- 高解像度光学触覚センシングのsim-to-real：画像から3D接触力分布へ触覚/sim2real2020/12/1
視覚型触覚センサの内部粒子運動を有限要素シミュレーションで再現し、合成画像のみで学習したニューラルネットが実機画像から3D接触力分布を高精度に推定できることを示した。
- シミュレーションで触覚を学ぶ：視覚型触覚センシングのためのsim-to-real戦略触覚/sim2real2020/3/1
視覚型触覚センサの3次元接触力分布を再現するため、シミュレーションで生成したデータのみで深層ニューラルネットを訓練し、実機へ直接転移できる手法を提案した。
- 視覚ベースのロボットスキンに向けた多カメラ触覚センサ触覚2019/10/1
柔らかい表面内の粒子の動きを複数の小型カメラで撮影し、機械学習で3次元接触力分布に変換する薄型・大面積の光学式触覚センサを設計した。
- 触覚センサ学習のための有限要素法による真の力分布生成触覚2019/9/1
有限要素モデルで接触力の3次元分布の正解データを作り、視覚型触覚センサの画像からニューラルネットで力分布を推定できるようにした研究。
- カメラ内蔵ソフトインフレータブルアクチュエータの視覚ベース固有感覚センシングソフトロボティクス/固有感覚2019/9/1
ソフト直動アクチュエータに内蔵したカメラの映像から注目点の3次元位置を推定し、伸長の閉ループ制御を実現した。距離センサと同等の精度を達成した。
- 視覚型触覚センサのための転移学習触覚2018/12/1
内部カメラ画像からセンサ表面の法線力分布を再構成する視覚型触覚センサにおいて、複数センサ間で学習済み知識を転移するキャリブレーション手法を提案し、学習時間とデータ量を削減した。
