Connor Schenck

収録論文 10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

• CLAMP: 3Dマルチビュー行動条件付きロボットマニピュレーション事前学習のための対照学習
  マニピュレーション2026/2/1

  RGB-D画像から再構成したマルチビューの点群とロボット行動を対照学習で結びつけ、拡散ポリシーを事前学習することで、少ない実演データでも高精度なマニピュレーションを可能にする手法を提案。

• RoPEを超えて：STRINGによる2D・3D位置エンコーディングの改善
  VLA2025/2/1

  大規模言語モデルで広く使われるRotary Position Encodingsを統一的な理論枠組みで拡張し、任意次元のトークン座標に対して厳密な並進不変性を保ちつつ低計算コストで2D・3D位置エンコーディングを実現するSTRINGを提案。Vision Transformerに統合し、オープンボキャブラリ物体検出やロボティクス制御で性能向上を示した。

• Mobility VLA：長文脈VLMとトポロジカルグラフによるマルチモーダル指示ナビゲーション
  ナビゲーション/VLA2024/7/1

  デモ動画と自然言語・画像の指示を入力とし、長文脈VLMで目標フレームを特定、トポロジカルグラフに基づく低レベル方策で実環境をナビゲートする階層型VLAを提案した。

• SPNets: 深層ニューラルネットワークのための微分可能な流体力学
  流体シミュレーション2018/6/1

  粒子ベースの流体シミュレーションをニューラルネットワークの層として実装し、流体パラメータをデータから学習したり液体操作の制御・方策学習を可能にした研究。

• 粒状体マニピュレーションの学習
  マニピュレーション2017/9/1

  ロボットによる粒状体のすくい・放出動作の力学を予測する複数のモデルを比較し、ドメイン特化型CNNが最も高精度で、物理力学を明示的に予測することで方策性能が向上することを示した。

• 閉ループシミュレーションによる液体の推論
  sim2real2017/3/1

  液体シミュレーションと実時間知覚を閉ループで結び、観測でシミュレータ内の液体状態の誤差を補正することで、実世界との大きな乖離を防ぎ、遮蔽された液体の推論を可能にした。

• 液体注ぎのための視覚フィードバック閉ループ制御
  マニピュレーション2016/10/1

  ロボットがカメラ画像から容器内の液体量を推定し、PID制御で目標量を注ぐ閉ループ手法を提案。モデルフリー推定が優れ、平均誤差38mlを達成した。

• 遅延センサ計測に対応した誘導方策探索
  強化学習2016/9/1

  センサ計測に遅延がある非マルコフ系に対し、状態拡張によって誘導方策探索を拡張し、液体を正確に注ぐタスクで有効性を示した論文。

• 液体の知覚と推論に向けて
  液体知覚2016/8/1

  深層学習で液体の検出と追跡に取り組み、単一フレーム・複数フレーム・LSTMの3モデルを比較した結果、LSTMが最も優れた性能を示した。

• 全畳み込みネットワークによる液体の検出と追跡
  液体知覚2016/6/1

  単一フレーム・複数フレーム・LSTMの3モデルで液体の検出と追跡を比較し、複数フレーム集約が有効でLSTMが最良であることを示した研究。