Chenxi Wang
収録論文 17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
- 視覚運動ポリシーにおける視覚的身体依存性の再考VLA2026/9/15
視覚運動ポリシーがロボットの見た目に依存しすぎる問題(VED)に対し、3D点群で身体を正規化する手法を提案し、人間からロボットへの転移性能を向上させた。
- AnyDexRT: 較正不要で数回の人間ガイダンスによる器用な手のリターゲティング遠隔操作/リターゲティング2026/7/1
AnyDexRTは、人間の手の動きをロボットハンドにマッピングする際に、較正や手動調整を不要にし、数回の人間の指示で直感的な遠隔操作を実現する手法を提案した。
- 力方策:接触リッチ操作のための相互作用フレーム下でのハイブリッド力・位置制御方策の学習マニピュレーション2026/2/1
視覚で自由空間動作を導き、接触時には力フィードバックを用いた高頻度ローカル方策が相互作用フレームを推定してハイブリッド力・位置制御を行う、グローバル・ローカル視覚力方策を提案。
- 量子化された手の状態で巧みなマニピュレーションを学習するマニピュレーション2025/9/1
手の状態を量子化してコンパクトに表現し、腕の動作と統合的に拡散させることで、腕と手の協調を効率的に学習する視覚運動方策DQ-RISEを提案した。
- 点追跡による履歴認識型視覚運動ポリシー学習マニピュレーション2025/9/1
点追跡を用いて過去の観測を物体中心の履歴表現に圧縮し、視覚運動ポリシーに組み込むことで、記憶を要する操作タスクの性能を向上させた研究。
- ManipLVM-R1: 大規模視覚言語モデルによる具現化マニピュレーションの推論のための強化学習マニピュレーション2025/5/1
高価な人手アノテーションに頼らず、検証可能な報酬を用いた強化学習で大規模視覚言語モデルを訓練し、ロボットマニピュレーションの汎化と物理的推論を向上させるフレームワークを提案。
- AirExo-2:低コスト外骨格による汎化可能なロボット模倣学習のスケールアップ模倣学習2025/3/1
低コストの外骨格システムAirExo-2で実世界の大規模デモンストレーションデータを収集し、それを擬似ロボットデータに変換して、3D空間と2D意味論を融合する模倣学習ポリシーRISE-2を訓練した。
- AnyDexGrasp: 異なるハンドに汎用な高効率学習による器用把持マニピュレーション2025/2/1
接触中心の中間表現を介してハンド非依存の把持モデルを学習し、各ハンド固有の把持決定モデルを実機試行錯誤で少数データから訓練することで、複数のロボットハンドで高成功率の把持を実現した。
- 散乱環境における把持可能性の発見による高速かつ高精度な把持姿勢検出マニピュレーション2024/6/1
散乱環境で把持しやすい領域を「graspness」として定義し、それを予測するニューラルネットワークGSNetを提案。従来手法より大幅に高精度・高速な6DoF把持姿勢検出を実現した。
- RISE: 3D知覚で実世界ロボット模倣をシンプルかつ効果的に模倣学習2024/4/1
単一視点の点群から連続的なロボット動作を直接予測するエンドツーエンドの模倣学習手法を提案し、2D・3Dの既存手法を大きく上回る精度と効率を実現した。
- RH20T: ワンショットで多様なスキルを学習するための包括的ロボットデータセット模倣学習2023/7/1
視覚・力・音・行動のマルチモーダル情報を含む11万以上の実世界ロボット操作シーケンスを収集し、言語記述と人間のデモ動画を付与した大規模データセットを構築した。
- AnyGrasp: 空間・時間領域における堅牢かつ効率的な把持知覚マニピュレーション2022/12/1
実知覚と解析的ラベルを組み合わせた密な教師あり学習により、7自由度の把持姿勢を高精度かつ時間的に滑らかに生成し、未見物体の把持や動的把持を実現した研究。
- 安全で効率的な産業用挿入作業に向けたポリシー設計・学習・転移のための構成可能フレームワークマニピュレーション2022/3/1
繊細な部品の挿入作業向けに、安全な挿入ポリシーを既存ロボットへ効率的に統合する構成可能なフレームワークを提案し、UR10での実験で安全性・精度・頑健性・転移性・効率性を示した。
- 公差誘導方策学習による適応的で転移可能な繊細な産業用挿入作業マニピュレーション2021/8/1
挿入公差をタスク埋め込みとして用い、RS-GAILで多様なワークピースに対応できる方策を学習し、確率的推論で欠陥にも頑健な挿入姿勢を推定する手法を提案した。
- RGBが重要:単眼RGBD画像から7自由度把持姿勢を学習する把持検出2021/3/1
RGBと深度を分離処理し、RGBから把持の3次元姿勢を予測、深度から把持幅と距離を解析的に求めることで、ノイズに頑健な7自由度把持検出を実現した。
- 実環境データセットと強化学習による転移可能な能動的把握マニピュレーション2020/4/1
手先カメラで視点を探索しながら把持する強化学習パイプラインを提案し、実環境の全天球サンプルを含む大規模データセットREDを構築して、実機UR-5で有効性を示した。
- GraspNet:物体把持のための大規模クラスタ・高密度注釈データセット把持2019/12/1
クラスタ状の物体把持のための大規模RGBDデータセットと、解析計算で把持成功を直接評価できる統一評価システムを構築した論文。
