Changhyun Choi
収録論文 23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
- PointCast: 剛体・関節・変形物体操作のための単一世界モデル世界モデル2026/9/23
物体とエンドエフェクタ上の3D点集合を拡散トランスフォーマで予測する世界モデルを提案し、剛体・布・ロープ・多関節キャビネットの操作を単一アーキテクチャで扱えることを示した。
- LAMP: 車線に沿った運動プリミティブによる実現可能な軌道予測軌道予測2026/6/1
自動運転の軌道予測において、車線トポロジーに沿った運動プリミティブを導入し、予測軌道の実現可能性と多様性を向上させるフレームワークを提案した。
- 戦術的リソース制御と後続機動生成のための時間的行動表現学習強化学習2026/2/1
リソース使用と機動の因果関係を対比学習で捉え、離散コードブックで政策を条件付けるTARTを提案。迷路ナビと空戦シミュレータで有効性を示す。
- LACY: 自己改善型ロボットマニピュレーションのための視覚言語モデルに基づく言語-行動サイクルVLA2025/11/1
言語から行動への変換と行動から言語への説明を双方向に学習する視覚言語モデルを提案し、低信頼ケースを能動的に拡張して自己改善することで、実機・シミュレーションのピック&プレース成功率を平均56.46%向上させた。
- 視覚言語モデルと強化学習による変形可能線状物体の階層的経路計画マニピュレーション2025/10/1
ケーブルやロープなどの変形可能線状物体の長期的な経路計画タスクに対し、視覚言語モデルによる高レベル推論と強化学習による低レベルスキルを組み合わせた階層的フレームワークを提案し、失敗回復機構により92%の成功率を達成した。
- 属性に基づく物体グラウンディングと空間推論によるロボット把持検出マニピュレーション2025/9/1
自然言語で指定された物体を空間推論で特定し、把持姿勢を予測するフレームワークOGRGを提案。重複物体がある場面でも機能し、弱教師あり学習にも対応する。
- 力覚フィードバックを用いたベルクロ剥離の最適ロボット制御マニピュレーション2025/6/1
ロボットアームで未知形状の表面からベルクロを剥がすため、力と位置のフィードバックのみを用いて状態推定と探索・活用のバランスを取る制御手法を提案し、シミュレーションで高い成功率と省エネルギー性を示した。
- 属性ベースのロボット把持:データ効率の良い適応手法マニピュレーション2025/1/1
物体属性を活用し、新しい対象物を素早く把持するためのエンドツーエンドモデルを提案。ゲート付き注意機構で画像とテキストを融合し、自己教師あり学習と2つの適応手法で新環境に適応する。
- 視覚的手がかりからの柔軟性推定を活用した変形可能な線状物体の挿入学習マニピュレーション2024/10/1
ロボットが視覚情報から線状物体の柔軟性を推定し、その推定値に基づく強化学習方策で挿入作業を行う手法を提案した。
- 言語誘導型物体グラウンディングとロボット把持のためのパラメータ効率チューニングフレームワークマニピュレーション2024/9/1
CLIPベースのマルチモーダルパラメータ効率チューニングにより、言語指示に基づく物体のセグメンテーション、把持合成、把持アフォーダンス予測を実現するフレームワークを提案。
- SlotGNN: 教師なしでのマルチオブジェクト表現と視覚的ダイナミクスの発見物体中心表現/ダイナミクス予測2023/10/1
RGB画像から物体表現を教師なしで獲得するSlotTransportと、その表現を用いてロボット行動に条件づけた将来予測を行うグラフベース動力学モデルSlotGNNを提案した。
- 制約環境における敵対的物体再配置のための異種グラフニューラルネットワークマニピュレーション2023/9/1
異種グラフニューラルネットワークで物体・目標・環境制約の関係を学習し、複数の操作スキルを組み合わせて未知や大型の物体を制約環境で再配置する階層型ロボットシステムを提案した。
- IOSG: 画像駆動型物体探索・把持マニピュレーション2023/8/1
参照画像だけを与えられたロボットが、散らかった環境で未知の対象物を探索し把持するための階層的強化学習手法を提案。
- 触覚フィードバックによる能動的な質量分布推定触覚2023/3/1
ロボットが物体を触って操作し、その触覚フィードバックから剛体の質量分布を逐次的に推定する手法を提案した論文。
- 分離把持による自己教師あり対話型物体セグメンテーションマニピュレーション2022/7/1
ロボットが散らばった物体を押し分離して把持し、自己ラベル付きマスクを生成することで、未知物体のセグメンテーションモデルを対話的に改善する手法を提案。
- 属性ガイドによる曖昧性解消を備えた対話型ロボット把持マニピュレーション2022/3/1
物体属性を手がかりに曖昧な指示を対話で解消する把持システムを提案し、実機で91.43%の選択精度を達成した。
- 密な clutter 環境における対象物駆動型把持のためのグラフニューラルネットワークによる物体関係学習マニピュレーション2022/3/1
密に散らかった環境で対象物を把持するため、物体間の空間関係をグラフとして表現し、グラフニューラルネットワークで6自由度の把持姿勢を予測する手法を提案した。形状補完を用いたサンプリングで効率も向上し、実環境で77.78%の把持成功率を達成した。
- KINet: キーポイント表現による教師なし順モデルを用いたロボット押し操作マニピュレーション2022/2/1
物体をキーポイントとその関係グラフで表現し、教師なしで行動条件付き順モデルを学習することで、未知の物体数や背景にも汎化して押し操作の計画を可能にした研究。
- 属性に基づくロボット把持:一回の把持適応マニピュレーション2021/4/1
画像とテキストの属性を融合して把持可能領域を予測し、未知物体にも1回の把持データで適応できる把持学習手法を提案。
- 制約環境における衝突を考慮した目標駆動型物体把持マニピュレーション2021/4/1
周囲構造物との衝突を避ける把持姿勢の到達可能性を自己教師あり学習で予測するCARPを提案し、6-DoF把持の成功率を大幅に向上させた。
- 到達可能性を考慮した6自由度把持姿勢生成の学習マニピュレーション2019/10/1
ボクセルベースの3D CNNで6自由度の把持姿勢を生成し、把持の安定性に加えてロボットが実際に到達できるかも学習して評価する手法を提案。シミュレーションと実機で未知物体に対し82.5%の把持成功率を達成した。
- 環境の壁を利用した物体把持のための視覚アフォーダンス学習:目標指向Deep Q-Networkマニピュレーション2019/10/1
単一のグリッパでは掴めない物体を壁や家具に押し当てて把持するタスクに対し、目標指向型Deep Q-Networkで視覚アフォーダンスマップを学習し、シミュレーションで訓練後、実機ロボットで人間に匹敵する性能を達成した。
- 見えない物体をつかむための深層学習アプローチマニピュレーション2019/9/1
押し動作で隠れた対象物を探索し、周囲の物体を整理しながら把持する「見えない物体の把持」問題を、critic-policy形式の深層学習で解いた研究。
