Daphne Chen
Microsoft Research
収録論文 7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
- Rho: 効率的に適応可能なVLAモデルの基盤VLA2026/9/29
双腕マニピュレーション向けのオープンウェイトVLAモデル群「Rho」を提案し、3つの実機での少量データ適応と、15エピソード程度の修正フィードバックによるオンライン適応を実現した。
- FlowDAgger: 潜在空間における人間参加型生成ロボットポリシーの適応模倣学習/適応2026/7/1
事前学習済みの生成ロボットポリシーを、人間の介入から潜在空間で適応させる手法を提案。介入行動を逆変換してノイズに変換し、軽量な潜在ポリシーで基盤モデルを操縦することで、少数の介入から迅速にスキル獲得する。
- 言葉は長く語る:言語によるロボットポリシー合成のガイドVLA2026/7/1
この論文では、ロボットのポリシー獲得を対話的なプログラム合成タスクとして扱うフレームワーク「ARCHITECT」を提案し、人間の自然言語による修正をコードに反映し、再利用可能なスキルライブラリを構築することで、長期的なタスクでの性能向上と人間の介入削減を実現しています。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- 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。
- 確率的予測と多目的最適化による人間協調ロボット軌道生成人間ロボット協調2020/6/1
人間の動きを確率的に予測し、安全性・快適性・効率を同時に最適化する多目的軌道最適化フレームワークCoMOTOを提案し、既存手法より優れることを示した。
- 模倣学習ベンチマーク:ユーザー経験・タスク複雑さ・初期配置が性能に与える影響模倣学習2019/11/1
9名の参加者と4種類の操作タスクから実機ロボットで模倣学習手法を大規模比較し、タスク複雑さや熟練度、初期配置が性能に与える影響を明らかにした。
