Chris Paxton
収録論文 60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
- 能動的知覚を備えたロボットの計画と状況対応タスク計画/能動的知覚2026/4/1
ロボットの実行中に発生する予期せぬ状況を能動的に知覚し対処するためのフレームワークVAP-TAMPを提案した。視覚言語モデルとシーングラフを活用し、タスクと動作の統合計画を行う。
- LLM-GROP: 大規模言語モデルによる視覚に基づくロボットのタスク・動作計画タスク・動作計画2025/11/1
大規模言語モデルの常識知識と視覚情報を活用し、複数物体の移動を伴うモバイルマニピュレーションのタスク・動作計画を統合するフレームワークを提案。実環境とシミュレーションで成功率と効率を評価した。
- ニューラル運動計画のためのカスケード拡散モデル運動計画2025/5/1
拡散ポリシーを用いて複雑な環境での衝突のない大域的な運動計画を学習するカスケード階層モデルを提案し、ナビゲーションやマニピュレーションで既存手法を約5%上回る性能を示した。
- GraphEQA: 3Dセマンティックシーングラフを用いたリアルタイム身体性質問応答VLA2024/12/1
未知環境での身体性質問応答のため、リアルタイム3Dメトリックセマンティックシーングラフとタスク関連画像をマルチモーダルメモリとしてVLMに接地し、階層的計画で探索・回答する手法を提案。シミュレーションと実環境で成功率向上と計画ステップ削減を示した。
- DynaMem: オープンワールド移動マニピュレーションのためのオンライン動的時空間セマンティックメモリ移動マニピュレーション2024/11/1
ロボットが環境の変化に合わせて3Dメモリを動的に更新し、移動・出現・消滅する物体を扱えるようにする手法を提案。実機で非静止物体のピック・アンド・ドロップ成功率70%を達成した。
- ロボットユーティリティモデル:新環境へのゼロショット展開のための汎用ポリシーマニピュレーション2024/9/1
ファインチューニングなしで新しい環境や未知の物体に直接適応できるゼロショットロボットポリシーを訓練・展開するフレームワークを提案し、5つの実用的タスクで平均90%の成功率を達成した。
- 家庭内でのオープンワールド移動マニピュレーションに向けて:NeurIPS 2023 HomeRobotオープン語彙移動マニピュレーションチャレンジからの教訓移動マニピュレーション2024/7/1
家庭環境で任意の物体を見つけて任意の場所に置くオープン語彙移動マニピュレーションのベンチマークを提案し、NeurIPS 2023コンペを実施。シミュレーションと実世界で評価し、成功チームに共通するエラー検出・回復と知覚・意思決定の統合の重要性を示した。
- DegustaBot: 個人の好みに基づくマルチオブジェクト再配置のためのゼロショット視覚嗜好推定マニピュレーション2024/7/1
視覚言語基盤モデルとゼロショット視覚プロンプトを用いて、家庭内の物体再配置タスクを個人の視覚的嗜好に合わせて解く手法を提案し、シミュレーションで評価した。
- HACMan++: 空間的に接地された運動プリミティブによるマニピュレーションマニピュレーション2024/7/1
把持や押しなどの運動プリミティブを「種類・接地位置・実行パラメータ」で表現し、強化学習で組み合わせて長期的な操作タスクを達成する手法を提案。形状や姿勢の変化に汎化し、sim-to-real転移も実現した。
- 人間とエージェントの協調における高速オンライン適応のための線形モデルのブートストラップ人間エージェント協調2024/4/1
大規模非線形モデルで低容量のロジスティック回帰モデルを初期化し、協調中のオンライン更新を高速化する手法BLR-HACを提案。シミュレーションの物体再配置タスクで、少ない計算量で大規模モデル並みの性能を実現した。
- 基盤モデルの実世界ロボット応用:レビュー基盤モデル応用2024/2/1
LLMやVLMなどの基盤モデルを実ロボットシステムの知覚・運動計画・制御にどう組み込むかを、入出力関係の観点から整理したレビュー。
- OK-Robot:オープン知識モデルをロボティクスに統合する上で本当に重要なことマニピュレーション2024/1/1
視覚言語モデル・ナビゲーション・把持を組み合わせ、訓練なしで物体のピックアンドドロップを行うロボットシステムを構築し、実環境10軒で評価した。
- GOAT: どこへでも行ける万能ナビゲーションシステムナビゲーション2023/11/1
カテゴリ・画像・言語で指定された目標へ移動できる、経験から学習し異なるロボットにも展開可能なナビゲーションシステムを提案し、実環境で83%の成功率を達成した。
- HomeRobot: オープンボキャブラリな移動マニピュレーション移動マニピュレーション2023/6/1
家庭環境で未知の物体を把持し指定場所に置くオープンボキャブラリ移動マニピュレーションのベンチマークを、シミュレーションと実機の両方で構築し、強化学習とヒューリスティックのベースラインを評価した。
- 家庭用ロボットにおける継続学習の評価継続学習2023/6/1
低コスト家庭用ロボットで、少数のデモンストレーションから非独立同分布データのストリーム上で継続的にスキルを学習する手法SANERとABIPを提案し、4つのキッチンタスクで評価した。
- HACMan: 6D非把持マニピュレーションのためのハイブリッドActor-Criticマップ学習非把持マニピュレーション2023/5/1
点群観測を用いて、物体を掴まずに6Dで操作する強化学習手法を提案。接触位置と動作パラメータを組み合わせたハイブリッド行動表現で、未見物体への汎化とsim2real転移を実現した。
- 画像で指定された物体へのナビゲーションナビゲーション2023/4/1
画像で指定された物体を探索・再同定・位置推定し、未知環境でロボットを目的地へ誘導するモジュール型システムを構築し、実機で88%の成功率を達成した。
- 効率的なロボット学習のための空間言語アテンションポリシーVLA2023/4/1
3次元トークンを入力とし、言語条件付きのマルチタスク行動予測ポリシーを学習するSLAPを提案。モバイルマニピュレーションで高い成功率とロバスト性を示す。
- USA-Net: ロボット記憶のための統合意味・アフォーダンス表現VLA2023/4/1
シーンの意味と空間的アフォーダンスを微分可能な地図に統合し、オープン語彙の指示に基づく勾配ベースのプランナを実現した。
- 大規模言語モデルとタスク・動作計画による物体再配置マニピュレーション2023/3/1
LLMから常識的な物体配置の知識を引き出し、タスク・動作計画と組み合わせて、自然言語指示に基づく物体再配置を実現する手法を提案。
- StructDiffusion: 未知物体を用いた言語誘導による物理的に妥当な構造物の構築マニピュレーション2022/11/1
拡散モデルと物体中心トランスフォーマーを組み合わせ、部分視点の点群と言語ゴールから物理的に妥当な構造物を組み立てる手法を提案。未知物体でも既存手法より平均16%成功率が向上。
- CLIP-Fields: ロボット記憶のための弱教師あり意味場VLA2022/10/1
CLIPやDeticなどWeb学習済みモデルのみを教師に使い、空間位置から意味埋め込みへの写像を学習する暗黙的シーン表現を提案。これをシーン記憶としてロボットが実環境で意味的ナビゲーションを行えることを示した。
- HandoverSim: 人からロボットへの物体受け渡しのためのシミュレーションフレームワークとベンチマークsim2real2022/5/1
人からロボットへの物体受け渡しをシミュレーションするベンチマークを提案し、動作キャプチャデータを活用して訓練・評価環境を構築、複数のベースラインの性能を分析した。
- 自然言語フィードバックによるロボット計画の修正言語指示2022/4/1
自然言語の文をコスト関数の変換に対応付け、目標の修正や制約追加、計画誤りの回復を可能にする手法を提案した論文。
- 人間からロボットへの円滑な受け渡しのためのモデル予測制御物体受け渡し2022/4/1
人間から物体を受け取る際のロボットの滑らかな動作を、知覚と制約を統合したモデル予測制御で生成し、把持候補選択や接触検出も組み合わせて実機実験で有効性を示した論文。
- 視覚的先読みを備えたトランスポーターによる未見の再配置タスクの解決マニピュレーション2022/2/1
ピックアンドプレース再配置のための視覚的先読みモデルとGoal-Conditioned Transporter Networkを基にしたマルチモーダル行動提案モジュールを開発し、少数のデモから未見タスクへゼロショット汎化できる画像ベース計画手法を実現した。
- 反復フロー最小化によるロボット物体再配置マニピュレーション2022/2/1
RGBD画像から未知物体の再配置を行うため、RAFTベースのオプティカルフロー推定と反復最小化を組み合わせた手法を提案し、合成データのみの学習で実世界の乱雑な環境にも適用できることを示した。
- 長期的計画の探索時間を短縮するためのロボット計画ドメイン最適化タスクプランニング2021/11/1
人間の実演から生成した計画オペレータの出現頻度を使い、頻出オペレータに絞ったドメインから段階的に拡張することで長期的計画の探索時間を大幅に削減する手法を提案した。
- 人間のクエリからのブートストラップによる知覚概念の学習知覚概念学習2021/11/1
シミュレータの特権情報を使って最小限の人間入力から低次元の幾何学的概念を学び、それを自動ラベラーとして高次元センサデータの大規模データセットを合成することで、人間のラベル負担を抑えつつ実センサ入力で使える知覚概念を学習するフレームワークPCBを提案した。
- StructFormer:言語指示による新規物体の意味的再配置のための空間構造学習マニピュレーション2021/10/1
部分点群と言語コマンドを入力とするTransformerネットワークStructFormerを提案し、未知物体を円形や食卓配置などの意味的構造に実機ロボットで再配置できることを示した。
- SORNet:逐次操作のための空間的物体中心表現物体中心表現2021/9/1
RGB画像から物体クエリに基づく物体中心表現を学習し、未見の物体にもゼロショットで汎化して空間関係推論や実機の逐次操作計画に応用した研究。
- 未知物体の意味的配置に向けた安定姿勢予測マニピュレーション2021/8/1
RGB-D情報のみから未知物体を意味的関係に沿って配置するため、物理的に安定な姿勢を予測し動作計画と統合する手法を提案。シミュレーションのみで学習し実世界でも動作する。
- 長期言語指示実行のための持続的空間意味表現言語指示・タスク計画2021/7/1
ロボットが高レベルな自然言語指示を長期的に実行できるよう、環境の空間的・意味的情報を持続的に保持する表現手法を提案し、ALFREDベンチマークで最高性能を達成した。
- 3D物体と言語の接地:形状・輪郭表現の理解に向けた新ベンチマークSNARE言語接地2021/7/1
3D物体を対象に、視覚的・非視覚的な言語表現から参照物体を選ぶ新タスクSNAREを提案し、CLIP系モデルが形状理解で弱いことを示した上で視点推定の追加が精度を向上させることを明らかにした。
- 未知物体のためのニューラル物体再配置計画マニピュレーション2021/6/1
シミュレーションデータで学習し、未見の物体を実世界で効率的に多段階再配置する深層学習ベースの計画手法NeRPを提案した論文。
- 観察からのロボット計画ドメイン自動生成タスク計画2021/5/1
人間の実演から行動を認識・分割し、計画演算子を自動生成して、記号プランナで実行可能な計画を立てる手法を提案した論文。
- 半構造環境における確実な固定時間マニピュレーション計画のための代替経路プランナ(APP)マニピュレーション計画2020/12/1
可動障害物を含む半構造環境で、事前計算した代替経路群により任意の障害物配置で衝突しない経路を保証し、オンラインでは数マイクロ秒で経路を参照できる計画手法を提案した。
- 任意物体の反応型ヒューマン・トゥ・ロボット受け渡し物体受け渡し2020/11/1
視覚と閉ループ運動計画を組み合わせ、未知の多様な物体を人からロボットへリアルタイムに受け渡すシステムを提案し、26物体のベンチマークとユーザー研究で有効性を示した。
- 視覚スキルと事前条件モデルによる反応型長期間タスク実行sim2real2020/11/1
シミュレーションで学習したスキルライブラリと事前条件・終了条件モデルを組み合わせ、実世界で未見の長期タスクをファインチューニングなしで実行する手法を提案した。
- ピクセル入力からの転移可能なタスク実行:深層プランニングドメイン学習マニピュレーション2020/3/1
記号的プランニングと深層学習を組み合わせ、高レベルな述語予測モデルと低レベル方策を階層的に学習することで、未訓練の複雑な多段階マニピュレーションタスクを画像入力から実行可能にした研究。
- 人間の把持分類に基づく反応的な人からロボットへの受け渡し人ロボット協調2020/3/1
人間が物体を握る把持の種類を深層学習で分類し、その意図に応じてロボットが素早く軌道計画して物体を受け取る人→ロボット受け渡し手法を提案した。
- 散らかった環境での対象物操作に向けた6自由度把持マニピュレーション2019/12/1
部分点群から散らかったシーン内の任意物体に対する6自由度把持を計画する手法を提案し、実機で80.3%の把持成功率を達成した。
- 部分観測環境下でのタスク・運動計画のための信念空間オンライン再計画タスク・運動計画2019/11/1
不確実な実環境でロボットが観測行動と連続制御を組み合わせ、新しい観測に基づき信念状態を更新しながら計画を再構築するオンライン計画・実行システムを提案し、シミュレーションと実キッチンで検証した。
- 動作推論による目標ベース模倣学習模倣学習2019/11/1
第三者視点の動画から記号的な目標を推定するため、タスク・動作計画を組み合わせて実演者の真の意図を曖昧性除去する動作推論フレームワークを提案し、実キッチンで再現可能なことを示した。
- 自然言語指示に従う条件付き自動運転自動運転2019/10/1
人間の運転手とナビゲータから収集した言語データを用い、階層的ポリシーと条件付き模倣学習により自然言語の指示を解釈して安全に走行する自動運転エージェントを提案した。
- 人間とロボットの協調作業を最適化する協調行動モデル人間ロボット協調2019/10/1
ロボットが人間の行動を予測しつつ自身の計画を同時に最適化するMPCベースの枠組みを提案し、物体受け渡しタスクで反応性の高い協調動作を実現した。
- 「いいロボット!」:シミュレーションから実機への転移を伴う多段階視覚タスクのための効率的強化学習sim2real2019/9/1
行動安全ゾーン内で探索し危険領域を探索せずに学習、進捗を逆行させる経験を優先するSPOTフレームワークを開発。積み木や列作りなどの長期タスクで成功率を大幅に改善し、シミュレーション学習モデルを実機に直接転移させて成功させた。
- ロバスト論理力学系によるロボットタスク計画の表現タスク計画2019/8/1
ビヘイビアツリーの柔軟性と理論的保証を両立するRLDSフレームワークを提案し、家庭内マニピュレーションタスクで有効性を示した。
- 未来予測による言語からの解釈可能な計画生成言語指示・計画2019/3/1
自然言語の指示を中間目標の系列に変換する枠組みを提案し、行動前に結果を予測する「プロスペクション」を学習させることで、シミュレーション環境でのロボット指示解釈の精度を示した。
- エンドユーザーによるロボットタスク計画作成手法の評価タスク計画2018/11/1
ビヘイビアツリー型CoSTARシステムの35人ユーザー研究で、SmartMovesなどのタスク計画作成戦略の使いやすさと有効性を比較し、SmartMovesが高速かつ効果的で知覚統合にも優れることを示した。
- CoSTARブロック積み上げデータセット:作業空間制約下での学習マニピュレーション2018/10/1
既存の把持データセットより制約の緩い環境でブロック積み上げを行う約1.2万試行・200万フレームの実データセットを構築し、既存の手設計ネットワークが汎化しないことを示した上で、HyperTree MetaModelによる自動探索でベースラインを確立した論文。
- 視覚的ロボットタスク計画タスク計画2018/4/1
高レベル行動の結果を予測する生成モデルを学習し、そのモデルで行動系列をシミュレーション・評価して木探索により計画を行う手法を提案した論文。
- 生成モデルと全畳み込みネットワークによる走行ナビゲーション向け占有マップ予測ナビゲーション2018/3/1
深層ニューラルネットワークを用いて、ロボットの視野を超えた将来の占有マップを予測する手法を提案し、生成モデルや敵対的モデルを含む複数アーキテクチャをシミュレーションと実環境で評価した。
- ロボットのタスク計画のための操作目標を想像する学習タスク計画2017/11/1
高レベル行動から起こりうる複数の結果をニューラルネットで予測し、先を見越したタスク計画を可能にする手法を提案。積み木の把持やナビゲーションで有効性を示した。
- 物理シミュレーション統合による時系列・物理的推論を用いた知覚ベースのロボットマニピュレーションマニピュレーション2017/10/1
単一フレームの姿勢推定に物理シミュレーションを時系列で統合し、物体間の物理的制約を課すことで、雑然とした実環境でも安定した姿勢推定と物体関係の把握を実現。実世界のブロック積み上げタスクに適用した。
- ニューラルネットと木探索を組み合わせた困難環境でのタスク・動作計画タスク・動作計画2017/3/1
LTL制約と報酬関数の下で、深層強化学習による低レベル制御とタスク方策をモンテカルロ木探索と統合し、自動運転シミュレーションで交通規則を守りつつ交差点を通過する計画を実現した。
- CoSTARシステムによる協働ロボット指示のユーザー体験協働ロボット2017/3/1
初心者が協働ロボットのタスク計画を作成できるCoSTARシステムのユーザー研究を行い、ビヘイビアツリーと知覚・推論機能の追加が計画作成を迅速かつ効果的にすることを示した。
- やったことではなく望むことを:行動系列計画による技能の模倣模倣学習/計画2016/12/1
専門家のデモから高レベル行動を獲得し、サンプリングベースの運動計画で新環境に適応した行動系列を選ぶ学習手法を提案。磁気構造組立タスクで障害物がある環境でも適切に行動選択できることを示した。
- CoSTAR: 行動ツリーと視覚による協働ロボットへの指示行動ツリー/協働ロボット2016/11/1
非専門家のエンドユーザーが行動ツリーと視覚情報を用いて協働ロボットに多様なタスクを教示できるシステムCoSTARを開発し、複数の産業用ロボットで評価した。
- 人間のスキル確率モデルからのロボットタスク計画模倣学習2016/2/1
複数の専門家デモから学習したスキルの確率分布を用い、新環境で軌道の尤度を確率的に最適化して複雑な物体操作を実現する手法を提案し、UR5実機などで検証した。
