Coline Devin

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

• VeoワールドシミュレータによるGeminiロボティクスポリシーの評価
  sim2real2025/12/1

  最先端の動画生成モデルVeoを基盤とした生成評価システムを構築し、ロボットポリシーの通常性能から分布外汎化、物理・意味的安全性までをシミュレーションで評価できることを示した。

• Gemini Robotics 1.5：高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げる
  VLA2025/10/1

  異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。

• Gemini Robotics：AIを物理世界へ
  VLA2025/3/1

  Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。

• 相互情報量推定によるロボットデモデータの品質選別
  模倣学習2025/2/1

  ロボットの模倣学習データについて、状態と行動の相互情報量への各軌道の寄与をVAE埋め込みとk近傍推定で評価し、デモの品質を選別する手法を提案した。

• Open X-Embodiment: ロボット学習データセットとRT-Xモデル
  VLA2023/10/1

  21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。

• RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェント
  マニピュレーション2023/6/1

  多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。

• ロボットの時間の使い方：視覚ベースのロボットマニピュレーションのためのキックスタートとオフライン強化学習の橋渡し
  マニピュレーション2022/5/1

  教師ポリシーの行動分布と収集データを活用し、限られたオンライン試行予算で視覚ベースの積み重ねタスクを効率的に学習する2つの強化学習アルゴリズムを提案・比較した論文。

• ピックアンドプレースを超えて：多様な形状の物体のロボット積み重ねへの挑戦
  マニピュレーション2021/10/1

  複雑な形状の物体をロボットで積み重ねる課題に対し、強化学習と視覚ベースの対話型方策蒸留、sim2real転移を組み合わせた手法を提案し、実世界で多様な積み重ねスキルを実現した。

• 実世界で完全自律的に学ぶ移動マニピュレーションの強化学習
  移動マニピュレーション2021/7/1

  環境への特別な計測装置や人の介入なしに、実世界のロボットがナビゲーションと把持を組み合わせた部屋の片付けスキルを約40時間の自律学習で獲得する手法ReLMMを提案した。

• 自己教師あり目標条件付きピック・アンド・プレース
  マニピュレーション2020/8/1

  人間のラベルなしで自律収集したピック・アンド・プレースデータから画素単位の物体表現を学習し、目標画像に合わせた把持・配置位置を予測する枠組みを提案した論文。

• 計画の足し算：マルチタスク制御のための合成計画ベクトル
  模倣学習2019/10/1

  タスクの軌道をサブタスクの和として表す合成計画ベクトル（CPV）を提案し、追加の教師なしで一発模倣学習から学習して、訓練時より2倍多くのスキルを連続実行するタスクへ汎化できることを示した。

• 単眼俯瞰ビューによる自動運転ネットワーク
  自動運転2019/5/1

  単眼カメラ映像から検出した車や歩行者を真上から見た俯瞰図に変換し、深層ネットワークで自動運転制御を行う手法を提案。GTA Vシミュレータで衝突回数を大幅に削減した。

• 自動運転のための物体中心型深層ポリシー
  自動運転2018/11/1

  物体インスタンスとend-to-end学習を組み合わせた物体中心型モデルの分類を提案し、GTA Vシミュレータと実世界データセットで物体非依存手法より優れることを示した。

• Grasp2Vec：自己教師あり把持による物体表現学習
  自己教師あり学習2018/11/1

  ロボットが物体を掴んで取り除く前後の画像差分から物体中心の視覚表現を自己教師ありで学習し、物体の識別・位置推定・指示された物体の把持を可能にした論文。

• 汎化可能なロボット学習のための物体中心表現の深化
  マニピュレーション2017/8/1

  事前学習済み視覚モデルを物体中心の事前知識として活用し、物体レベルの注意機構で少数のデモから関連物体を特定して操作方策を学習する手法を提案した。

• 不変特徴空間の学習による強化学習スキル転送
  強化学習2017/3/1

  形態の異なるエージェント間で強化学習の知識を転送するため、両者が学習したスキルから不変特徴空間を獲得し、他のスキル転送に活用する手法を提案した。

• マルチタスク・マルチロボット転移のためのモジュール型ニューラルネットワーク方策の学習
  転移学習2016/9/1

  ニューラルネット方策をタスク固有モジュールとロボット固有モジュールに分解し、未学習のロボットとタスクの組み合わせでもゼロショットで汎化できる転移学習手法を提案した。