Cordelia Schmid
Google Research
収録論文 30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
- 物体認識型キネマティックリターゲティングによる多指ハンド動作生成リターゲティング2026/10/19
人間の動作キャプチャから物体との接触を保ったロボットハンド参照動作を生成する学習ベースのリターゲティング手法を提案し、両手タスクでの動的リターゲティング性能と実機再現性を向上させた。
- DiPLO: 自己蒸留拡散計画による移動操作移動操作2026/10/17
人間からヒューマノイドへの動作変換で事前学習した拡散プランナを自己蒸留と強化学習で微調整し、全身追従ポリシーと組み合わせて運搬・蹴りなどの移動操作を高成功率で実現した研究。
- VLMベース視覚言語ナビゲーションモデルは何に依存しているのか:方策行動の解釈と操作VLA2026/9/21
VLMベースの視覚言語ナビゲーションモデルが視覚・指示・記憶をどう統合し、内部表現を操作することで未知環境での性能を向上できるかを解明した研究。
- 幾何学的潜在拡散による空間認識ワールドアクションモデルVLA2026/9/2
事前学習済みビデオ拡散モデルをRGBと深度の同時予測に拡張し、3D情報を活用したロボットポリシー学習を実現する空間認識ワールドアクションモデル(SA-WAM)を提案した。
- Minerva-Ego: 自己中心映像理解のための時空間ヒント映像理解2026/5/14
自己中心視点の映像理解における複雑な推論を評価するベンチマークを新たに構築し、最先端モデルが人間に及ばないことを示すとともに、時空間ヒントを与えることで性能が向上することを明らかにした。
- PointACT: マルチスケール点群アクション相互作用を備えた視覚言語行動モデルVLA2026/5/1
ロボット操作のための視覚言語行動モデルに、階層的な3D点群表現を統合し、アクション生成時に局所的な幾何学と大域的なシーン構造を考慮できるようにした。LIBEROとRLBenchで性能が向上した。
- HO-Flow: 潜在フローマッチングによる汎用的な手と物体のインタラクション生成手と物体のインタラクション生成2026/4/1
テキストと3D物体から手と物体のインタラクション動作を生成するフレームワークを提案。相互作用を考慮したVAEとマスク付きフローマッチングで時間的一貫性と物理的妥当性を向上させた。
- FOM-Nav: フロンティア物体マップによる物体目標ナビゲーション物体目標ナビゲーション2025/12/1
未知環境で目標物体を効率的に探索するため、空間フロンティアと物体情報を統合した地図と視覚言語モデルを組み合わせたナビゲーション手法を提案し、実機でも有効性を示した。
- 視覚言語ロボット操作のための環境横断的な失敗推論データのスケーリングVLA2025/12/1
成功軌道を摂動させて多様な失敗データを自動生成し、VLMで推論トレースを付与した大規模データセットFailCoTを構築。これで訓練した検証モデルGuardianは未知環境での失敗検出性能を向上させ、操作タスクの成功率を高めた。
- MetricNet: 生成ナビゲーションポリシーにおけるメートルスケールの復元ナビゲーション2025/9/1
生成ナビゲーションポリシーが出力する抽象的な軌跡にメートル距離を与え、障害物を回避しつつ目標へ向かう制御を可能にする手法を提案。
- Gondola: 汎用ロボット操作のための接地視覚言語プランニングVLA2025/6/1
多視点画像と履歴プランから、対象物と位置のセグメンテーションマスクを伴う次行動プランを生成するLLMベースのモデルを提案し、GemBenchで汎化性能を向上させた。
- 神経オブジェクト事前分布を用いたオンライン3Dシーン再構成3D再構成2025/3/1
RGB-D動画から物体単位でシーンをオンライン再構成するため、特徴グリッド補間と事前構築した物体ライブラリの形状事前分布を活用する手法を提案した。
- FlowNav: フローマッチングと深度事前分布を組み合わせた効率的なナビゲーションナビゲーション2024/11/1
フローマッチングと既存の基盤モデルから得られる深度事前分布を組み合わせて、ロボットナビゲーションの行動方策を学習する手法を提案し、従来法より高精度・高速なナビゲーションを実現した。
- 汎化可能な視覚言語ロボットマニピュレーションに向けて:ベンチマークとLLM誘導3Dポリシーマニピュレーション2024/10/1
視覚言語ロボット操作の汎化性能を評価する新ベンチマークGemBenchを提案し、3D情報とLLM・VLMを組み合わせた3D-LOTUS++で新規タスクの最先端性能を達成した。
- ViViDex: 人間の動画から視覚ベースの巧みなマニピュレーションを学習マニピュレーション2024/4/1
人間の動画から強化学習で物理的に妥当な軌道を生成し、それを用いて特権情報なしの統一的な視覚ポリシーを学習するフレームワークViViDexを提案。
- PolarNet: 言語誘導型ロボットマニピュレーションのための3D点群マニピュレーション2023/9/1
言語指示に基づくロボット操作のため、2D画像ではなく3D点群を入力とする方策PolarNetを提案し、RLBenchで既存手法を上回る性能と実機での有効性を示した。
- 再帰的暗黙マップによる物体目標ナビゲーション物体目標ナビゲーション2023/8/1
Transformerで暗黙的な空間マップを逐次更新し、物体カテゴリの位置へナビゲートする手法を提案。MP3DとHM3Dで高性能を示し、実機でも動作。
- ロボットマニピュレーションのための堅牢な視覚的Sim-to-Real転移sim2real2023/7/1
シミュレーションで視覚運動方策を学習する際、ドメインランダム化のパラメータをオフラインのキューブ位置推定タスクで最適化し、実機の多様なマニピュレーションタスクで平均93%の成功率を達成した。
- 未見のマニピュレーションタスクに対する動画条件付き方策の学習マニピュレーション2023/5/1
人間のデモ動画を共通の動画埋め込み空間でロボット動画に変換し、それを条件としてロボットのマニピュレーション方策を学習する手法ViPを提案。未見タスクをゼロショットで実行できる。
- ロボティクスにおける接触モデル:比較分析接触モデル2023/4/1
ロボットシミュレータで使われる接触モデルと数値解法を比較し、物理的・計算的側面を評価するベンチマークを提案したサーベイ論文。
- 人間の動画からロボットマニピュレーションのための報酬関数を学習マニピュレーション2022/11/1
人間の操作動画を活用し、ロボットの身体や環境に依存しない汎用的な報酬関数を学習する手法HOLDを提案。目標画像との距離を報酬とすることで、強化学習の探索を効率化する。
- 軌道最適化と方策学習の合意形成による高精度ロボット制御軌道最適化×強化学習2022/9/1
軌道最適化の感度情報をSobolev学習で活用し、拡張ラグランジュ法で方策学習との一致を促すことで、ロボット制御のグローバル方策をより速く学習する手法を提案した。
- 指示駆動型の履歴考慮ロボットマニピュレーションポリシーマニピュレーション2022/9/1
自然言語指示と多視点観測、行動履歴を統合するTransformerベースのポリシーを提案し、RLBenchの74タスクと実機で高性能と未知タスクへの汎化を示した。
- ランダム化平滑化による微分可能物理の拡張sim2real2022/6/1
微分可能物理の勾配が不連続・非凸な場合に、ランダム化平滑化で近傍勾配を推定し最適化を改善する手法を提案。メッシュ再構成や接触・摩擦を含むロボット制御で有効性を示した。
- 物理制約下での観察からの組立計画マニピュレーション2022/4/1
1枚の写真から物体検出と姿勢推定を行い、物理的安定性制約と凸最適化・モンテカルロ木探索を組み合わせて、未知の組立を再現するピック・アンド・プレース動作列を計画する手法を提案し、UR5で実証した。
- ランダム化平滑化による非平滑力学系の最適制御最適制御2022/3/1
ランダム化平滑化を用いて非平滑な力学系でもDDPを適用可能にし、摩擦や接触を含むロボット問題を少ないサンプルで解くR-DDPを提案した論文。
- 想像上のサブゴールを用いた目標条件付き強化学習強化学習2021/7/1
高レベル方策が目標への中間状態を想像して事前方策を定義し、KL制約付き方策反復に組み込むことで、長期的推論を要する複雑なロボットナビゲーション・操作タスクの学習を効率化した研究。
- 障害物表現を学習するニューラル動作計画動作計画2020/8/1
PointNetベースの新しい障害物表現を提案し、障害物回避ポリシーと同時に学習することで、未知・動的環境でのセンサベース動作計画の精度と効率を大幅に改善した。
- TNT: 目標駆動型軌道予測軌道予測2020/8/1
将来の目標状態を予測し、それを条件に軌道を生成・選択する3段階の軌道予測フレームワークを提案し、車両・歩行者の予測で最先端性能を達成した。
- 形状カテゴリの3D物体を組み立てる視覚ポリシーの学習組み立て/マニピュレーション2020/4/1
1つの見本と形状分類器から、同カテゴリの物体を様々な部品で組み立てる視覚ポリシーを学習し、実機で最大95%の成功率を達成した。
