David Held
CMU
収録論文 89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
- 魚眼カメラ対応の全視野ガウシアンスプラッティングとメッシュ抽出3D再構成2026/10/27
魚眼画像から直接学習し、180°を超える全視野のレンダリングと衝突用メッシュを同時に生成する3Dガウシアンスプラッティング手法を提案。
- 連続行動空間における蒸留木探索による長期的マルチオブジェクト再配置マニピュレーション2026/10/19
物理シミュレーション内のMCTSで長期的計画を生成し、それを方策・価値モデルへ蒸留することで、テスト時に探索なしで長期的な物体再配置を実行できる手法を提案した。
- T2-Z: ロボット世界モデルのためのテスト時環境潜在最適化世界モデル2026/10/15
世界モデルに学習可能な環境潜在を付加し、テスト時に少数の相互作用から潜在を最適化することで未知環境へ適応する手法を提案。
- 力変調巧緻性：接触の多い操作のための統一的コンプライアンスマニピュレーション2026/10/12
接触を伴う巧緻な操作において、動作と接触力を統一的に扱うコンプライアンス制御手法FOMO-Dexを提案し、カードピッキングや紙切り、ネジ締め、ナット・ボルト組立で過剰な接触力を低減し、教示データの質と方策学習の成功率を向上させた。
- 行動結果フィードバックによるテスト時方策適応フレームワークSCOUTsim2real2026/9/28
行動予測方策と順ダイナミクスモデルを共有信念潜在空間で結合し、行動と結果の不一致から環境ダイナミクスをオンラインで推定・適応するメタ学習手法を提案。シミュレーションと実機で適応速度とsim-to-real転移の堅牢性を示した。
- 視点一般化可能な視覚模倣学習ポリシーに何が重要か：実証研究模倣学習2026/9/26
視覚模倣学習において、密な視覚トークンの保持と幾何学的推論を行う行動ヘッドが視点一般化に有効であることを実験的に示し、シミュレーションから実世界へのゼロショット転移も実現した。
- JAMB：両手操作のための動作と運動の同時拡散マニピュレーション2026/9/21
両手の動作と将来の3D点追跡を共有Transformer内で同時にノイズ除去し、相互に情報を活用して両手操作の精度と汎化性能を高める拡散ポリシーを提案。
- H2RBench：人間からロボットへの転移を評価するReal-to-Simベンチマークsim2real2026/9/21
人間の動画デモからロボット操作を学習するH2R転移手法を公平に比較するため、実人間動画とシミュレーションロボット実演に基づく標準ベンチマークを構築し、複数手法の性能を体系的に評価した。
- ParticleSplat: 自己教師ありオブジェクト中心潜在粒子スプラッティング3D表現学習2026/9/16
複数視点の画像から3Dガウシアンスプラッティングを用いてシーンを物体ごとの潜在粒子に分解し、教師なしで物体マスクを獲得しロボット操作タスクの性能を向上させる手法を提案。
- GHOST: ロボット操作の汎化を実現する階層的サブゴールポリシーマニピュレーション2026/6/8
多視点RGB-D観測から3Dエンドエフェクタのポーズを予測する高レベルポリシーと、その目標を達成する低レベルコントローラを組み合わせた階層的枠組みを提案し、操作タスクの汎化性能を向上させた。
- 把持から巧みな操作へ：巧みな操作のための大規模把持事前学習巧みな操作2026/6/1
大規模な巧みな把持データセットを利用して低レベル制御器を事前学習し、関節式ツール使用などの機能的な巧みな操作タスクで性能を向上させる手法を提案した。
- 3D-DLP: 自己教師あり3Dオブジェクト中心シーン表現学習表現学習2026/6/1
RGB-Dやボクセル観測を3D潜在粒子に分解し、解釈可能で制御可能なオブジェクト中心表現を自己教師ありで学習するモデルを提案。ロボット操作タスクでの性能向上も確認。
- RoboWits: ロボットの創造的問題解決における予期せぬ課題ベンチマーク2026/5/1
ロボットの認知推論と創造的ツール使用を評価するためのバイマニピュレータベンチマークを提案し、自動タスク生成パイプラインを用いて多様なタスクを作成。既存のVLAが変異タスクで性能が低下することを示した。
- 精密な物体配置のための分離点拡散マニピュレーション2026/4/1
物体配置タスクを階層的かつ分離された点拡散フレームワークでモデル化し、配置精度と汎化性能を向上させた。
- 潜在粒子世界モデル：自己教師ありのオブジェクト中心確率動的モデリング世界モデル2026/3/4
ビデオデータから教師なしでキーポイントやオブジェクトマスクを発見し、確率的な粒子動力学を学習する世界モデルを提案。実世界のマルチオブジェクトデータセットで最先端の性能を達成し、意思決定タスクにも応用可能。
- ロボットマニピュレーションのための幾何学的レッドチーミングマニピュレーション2025/9/1
物体形状を自動変形させてマニピュレーション方策の脆弱性を暴くレッドチーミング手法を提案し、発見した形状での微調整により成功率を最大60ポイント改善できることを示した。
- 点群からの連続行動計画による複数物体再配置マニピュレーション2025/9/1
点群の変換を探索することで、連続行動空間での長期的な物体再配置計画を学習と探索のハイブリッドで実現するSPOTを提案。
- 力変調視覚ポリシーによる腕の動きに適応したロボット支援着衣マニピュレーション2025/9/1
視覚と力覚のマルチモーダルフィードバックを用いて、腕の動きに適応しながら長袖衣類を着せるロボット支援着衣システムを開発し、実世界の被験者実験で有効性を示した。
- 過去の相互作用を活用する履歴認識型検証器HAVEマニピュレーション2025/9/1
ロボットが曖昧な物体を操作する際、過去の相互作用履歴を推論して候補行動を検証・選択する手法を提案し、実環境で有効性を示した。
- ArticuBot: 大規模シミュレーションによる汎用関節物体操作ポリシーの学習sim2real2025/3/1
物理シミュレーションで大量のデモを生成し、点群ベースの階層的模倣学習ポリシーを訓練することで、未知の関節物体を実機でゼロショット操作できるようにした研究。
- 視覚言語モデルのフィードバックによる実世界オフライン強化学習オフライン強化学習2024/11/1
視覚言語モデルからの選好フィードバックとタスクのテキスト記述を用いてオフラインデータセットに自動で報酬ラベルを付与し、実世界のロボット支援着衣タスクなどで有効な方策を学習するシステムを提案した。
- 3D密拡散による非剛体の相対配置変形物体マニピュレーション2024/10/1
変形物体同士の相対的な配置関係を「cross-displacement」として定式化し、密拡散モデルで学習する視覚ベースの手法を提案した。
- 脚による視覚マニピュレーションマニピュレーション2024/10/1
四足ロボットが脚を使って物体を操作できるシステムを開発し、強化学習による視覚操作方策と歩行・操作コントローラを組み合わせて、シミュレーションと実機で物体の姿勢合わせを実現した。
- FlowBotHD: 視覚的曖昧さを伴う関節物体操作のための履歴考慮型拡散モデルマニピュレーション2024/10/1
対称なドアや遮蔽された関節物体の操作において、関節モードの曖昧さを解消するため、観測履歴を活用した拡散ネットワークを提案し、最先端性能を達成した。
- SplatSim: ガウススプラッティングによるRGBマニピュレーションポリシーのゼロショットSim2Real転移sim2real2024/9/1
シミュレータの描画にガウススプラッティングを採用し、フォトリアルな合成データでRGBベースのマニピュレーションポリシーを学習、実機へゼロショットで転移させて平均86.25%の成功率を達成した。
- 布マニピュレーション研究の展開：レビュー布マニピュレーション2024/7/1
布や衣類のロボット操作に関する研究を、モデリング・知覚・ベンチマーク・操作の観点から整理し、布の多様性への対応度を分析して今後の課題を示したレビュー論文。
- 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。
- タスク固有のクロスポーズ推定のための分布デモンストレーション空間の学習マニピュレーション2024/5/1
少数のマルチモーダルなデモンストレーションから、物体間の相対配置タスクを学習する手法を提案。従来の関係推論ネットワークに追加の特性を組み込み、翻訳不変性と関係性を保ちつつマルチモーダルな解を表現可能にした。
- 精密配置タスクのための深層SE(3)同変幾何推論マニピュレーション2024/4/1
物体を正確に配置するタスクに対し、SE(3)同変性を持つ幾何推論層を導入し、少ないデモから高精度な相対姿勢予測を実現する手法を提案。
- DiffTORI: 深層強化学習と模倣学習のための微分可能な軌道最適化強化学習/模倣学習2024/2/1
軌道最適化をポリシー表現として用い、そのコストとダイナミクス関数を微分可能最適化によりエンドツーエンドで学習する手法を提案し、強化学習と模倣学習の両方で従来手法を上回る性能を達成した。
- RL-VLM-F: 視覚言語基盤モデルのフィードバックによる強化学習VLA2024/2/1
タスクのテキスト説明とエージェントの視覚観測のみから、視覚言語基盤モデルに画像ペアの選好を問い合わせて報酬関数を自動生成し、人間の監督なしに様々なタスクを学習する手法を提案。
- 時系列マニピュレーションタスクにおける深層強化学習の帰納バイアスとしての時間インデックス付けマニピュレーション2024/1/1
マニピュレーションタスクで多様なスキルを学習するため、固定時間ごとに異なる行動ヘッドを順次実行するポリシー構造を提案し、Metaworldで標準手法を上回る性能を示した。
- 反事実推論を用いた知的運転のための物体重要度推定自動運転2023/12/1
自動運転の判断に重要な物体を特定するため、物体の動きを変えた反事実シナリオを生成し、その影響から重要度を推定する手法を提案。人間注釈付きデータセットHOISTで高精度を達成。
- 力制約付き視覚ポリシー：マルチモーダルセンシングによる安全なロボット支援着衣マニピュレーション2023/11/1
シミュレーションで学習した視覚ベースの着衣ポリシーと、実世界データから学習した力ダイナミクスモデルを組み合わせ、過剰な力をかけずに安全に着衣を支援する手法を提案した。
- RoboGen: 生成的シミュレーションによるロボット学習のための無限データの活用sim2real2023/11/1
基盤モデルと生成モデルを活用し、タスク・シーン・訓練監督を自動生成する生成的シミュレーションによって、多様なロボットスキルを大規模に学習するエージェントを提案した。
- 軌道生成による汎用ツール使用スキルの学習マニピュレーション2023/10/1
ツールの点群列として使用軌道を生成するモデルを学習し、未知のツールでも変形物体を操作できるようにした研究。
- 安全制約を埋め込んだMDPと軌道最適化による強化学習安全強化学習2023/10/1
安全制約をMDPの行動空間に埋め込み、軌道最適化で安全な軌道に変換することで、報酬最大化と安全性の両立を図る強化学習手法を提案し、実機の箱押しタスクで有効性を示した。
- 多様な姿勢と衣服に対応する単一の着衣支援ポリシーマニピュレーション2023/6/1
部分点群観測から強化学習とポリシー蒸留を用いて、多様な姿勢の人に様々な衣服を着せる単一のロボット着衣支援ポリシーを学習した。
- FlowBot++: 関節投影による汎用的な関節物体操作の学習マニピュレーション2023/6/1
関節物体の点ごとの運動と関節パラメータを密に予測し、それらを組み合わせて未知の物体を操作する3Dビジョンシステムを提案。
- 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。
- 対話的知覚による層分離の学習と袋詰めへの応用マニピュレーション2023/3/1
通常の視覚と平行グリッパのみを用い、対話的知覚で素材の最上層を把持して袋を開くSLIPを提案し、自律袋詰めタスクで高い成功率を達成した。
- ライトカーテンを用いた自己教師ありマルチアームドバンディットによる能動的速度推定知覚/ナビゲーション2023/2/1
安価で高解像度なプログラマブルライトカーテンを使い、パーティクルフィルタと占有格子で物体の位置・速度を推定する。カーテン配置を情報利得最大化と予測検証で戦略化し、自己教師あり報酬とマルチアームドバンディットでリアルタイムに方策を切替える。
- 行動条件付き布追跡による自己教師あり布再構成マニピュレーション2023/2/1
実世界でメッシュ再構成モデルを微調整する自己教師あり手法を提案し、行動条件付き追跡で擬似ラベルを生成して布操作性能を向上させた。
- 掴めないものを掴む：創発的な外部環境を活用した器用さの学習マニピュレーション2022/11/1
強化学習により、壁に物体を押し付けて回転させてから掴むといった外部環境を活用した動作を獲得し、シミュレーションで学習した方策を実機にゼロショット転移して78%の成功率を達成した。
- TAX-Pose: ロボットマニピュレーションのためのタスク固有クロスポーズ推定マニピュレーション2022/11/1
物体間のタスク固有の姿勢関係「クロスポーズ」を定義し、視覚ベースで推定してマニピュレーションを実現する手法を提案。未見物体への汎化性能を示す。
- ToolFlowNet: 点群からのツールフロー予測によるロボットマニピュレーションマニピュレーション2022/11/1
点群からツール上の密なフローを予測し、そのフローからロボットの動作変換を導出する新手法を提案。すくい上げや注ぎなどの変形物体操作の模倣学習に適用し、実機で82%の成功率を達成した。
- ロボットマニピュレーションのためのニューラル把持距離場マニピュレーション2022/11/1
把持学習を連続的な距離場として定式化し、軌道最適化と統合することで、未知の姿勢や物体形状にも汎化する把持・動作計画を実現した。
- 点群からの時空間抽象化による変形物体操作の計画変形物体操作2022/10/1
点群を潜在ベクトルに変換し、スキル系列を計画することで、包丁やローラーなど複数の道具を使う変形物体操作を実世界で実現した。
- 自己教師あり占有予測のための微分可能レイキャスティング自動運転/占有予測2022/10/1
微分可能レイキャスティングで将来のLiDARスイープを予測し、自己教師あり学習により占有マップを内部表現として獲得する手法を提案。
- AutoBag: ビニール袋を開いて物体を入れる動作の学習マニピュレーション2022/10/1
UV蛍光マーカーを使った自己教師あり学習でビニール袋の取っ手と縁を認識し、双腕ロボットが袋を開いて物体を挿入できるようにした研究。
- EDO-Net: グラフダイナミクスから変形可能物体の弾性特性を学習変形可能物体操作2022/9/1
布状の変形可能物体のグラフダイナミクスを、未知の物理特性にも汎化できるよう学習するモデルEDO-Netを提案。引っ張り操作から弾性特性の潜在表現を抽出し、未来状態を予測する。
- エラスティックコンテキスト：テキスタイルのデータ駆動モデルに向けた弾性の符号化触覚2022/9/1
布地の弾性挙動を「エラスティックコンテキスト」として定式化し、グラフニューラルネットワークで学習することで、ロボットが布地と物理的に相互作用する際の力をより正確にモデル化できるようにした研究。
- 視覚的触覚推論：変形物体との相互作用を観察して接触力を推定する触覚2022/8/1
布のような変形物体との物理的相互作用において、視覚とロボットの運動情報のみから接触位置と力の大きさを推定する手法を提案し、シミュレーションと実機で検証した。
- 微分可能リセットモジュールを用いた閉ループ生地操作の学習変形物体操作2022/7/1
生地を目標形状に平坦化するため、微分可能なリセットモジュールで多段階軌道を最適化し、部分点群入力の閉ループ方策を学習して実世界に転移した。
- 触覚フィードバックを用いた布の層を一枚ずつ掴む学習触覚2022/7/1
ロボットの指先に触覚センサを取り付け、布を何層掴んでいるかを分類することで、積み重なった布から指定した枚数だけを掴み取る手法を提案した。
- 遮蔽推論を伴うメッシュベースの布操作ダイナミクスマニピュレーション2022/6/1
布の自己遮蔽を明示的に推論し、テスト時微調整でメッシュ再構成を精緻化することで、しわくちゃの布を平坦化・正規化するシステムを構築した。
- FlowBot3D：3D関節運動フローを学習して関節物体を操作するマニピュレーション2022/5/1
点群から関節物体の各点の運動方向を予測するニューラルネットをシミュレーションで学習し、そのベクトル場に基づく運動計画で未見物体を実機ロボットで操作できるようにした研究。
- RB2: ロボットマニピュレーションのためのランキング型ベンチマークマニピュレーション2022/3/1
SOTAアルゴリズム実装をベンチマークに組み込み、複数ラボの実験データを統合してグローバルなランキングを確立する手法を提案した論文。
- ロボット注ぎのための自己教師あり透明液体セグメンテーション液体認識/セグメンテーション2022/3/1
着色液体画像から透明液体画像を生成するモデルと背景差分を組み合わせ、手動アノテーションなしで透明液体のセグメンテーションを実現し、コップ内の液面高さを認識する注ぎタスクに応用した。
- DiffSkill: 微分可能物理に基づくスキル抽象化による道具を用いた変形物体操作変形物体操作2022/3/1
微分可能物理シミュレータで短期的な道具操作スキルを獲得し、RGBD画像からスキルを抽象化するニューラルネットを学習して、長期的な変形物体操作タスクを計画・実行するフレームワークを提案した。
- OSSID: 姿勢推定のためのオンライン自己教師ありインスタンス検出姿勢推定2022/1/1
低速なゼロショット姿勢推定器の疑似ラベルで高速検出器を自己教師あり学習し、検出器で入力を絞ることで注釈なしにリアルタイム物体姿勢推定を実現した。
- FabricFlowNet：フローベース方策による両腕布操作布操作2021/11/1
オプティカルフローを入力と行動表現の両方に用いて、目標画像に向けた布の両腕・片腕操作を切り替えながら行う方策を提案し、実機へのsim2real転移や他形状の布への汎化も示した。
- 確率的保証付きライトカーテンによるアクティブ安全エンベロープ知覚/安全2021/7/1
安価で高解像度なプログラマブルライトカーテンを用い、ランダムな感知位置から未知障害物の安全エンベロープを推定し、機械学習で動きを予測・追跡することで確率的な安全保証を提供する手法を提案した。
- 布の平滑化のための可視連結ダイナミクス学習布操作2021/5/1
部分点群から布の可視連結グラフを推定し、粒子ベースのダイナミクスモデルを学習することで、シミュレーションで従来手法を大きく上回り、実機へのゼロショット転移で布の平滑化を実現した。
- ZePHyR: ゼロショット物体姿勢推定のための仮説評価手法姿勢推定2021/4/1
物体の姿勢仮説を点群の非順序差分に基づいて評価するスコア関数を学習し、訓練にない新規物体でも再学習なしに姿勢推定できるゼロショット手法を提案した。
- リアプノフ障壁関数による安全制約付き強化学習ポリシー最適化安全強化学習2021/3/1
リアプノフ障壁関数を用いてポリシー更新を安全集合内に制限し、学習中の制約違反を大幅に削減する強化学習手法LBPOを提案した。
- 物体推論を活用した視覚自己教師あり強化学習強化学習2020/11/1
画像ベース強化学習に物体レベルの推論と遮蔽推論を導入し、報酬計算と目標生成を改善して学習効率と最終性能を向上させた研究。
- 潜在行動空間を用いたオフライン強化学習オフライン強化学習2020/11/1
方策を潜在行動空間で学習することでデータ分布外の行動選択を自然に防ぎ、ロボットを含む連続制御タスクで既存手法を上回る性能を示した論文。
- SoftGym：変形可能物体操作のための深層強化学習ベンチマーク変形物体操作2020/11/1
変形可能物体の操作を対象としたOpenAI Gym準拠のオープンソースシミュレーションベンチマークSoftGymを提案し、複数の強化学習アルゴリズムを評価して高次元・部分観測状態における課題を明らかにした。
- 不確実性を考慮した自己教師あり3Dデータ関連付け3D追跡2020/8/1
自動検出とフレーム間関連付けで得た自己教師ありラベルを使い、不確実性を考慮したメトリック学習で3D追跡向けの点群埋め込みを学習する手法を提案した。
- 布の領域分割によるロバストな把持選択マニピュレーション2020/8/1
深度画像から布の端や角をしわ・折り目と区別してセグメンテーションし、把持位置・方向・不確かさを推定する手法を提案し、実機で把持成功率が向上することを示した。
- ライトカーテンを用いた能動的知覚による自動運転能動的知覚2020/8/1
深層学習3D検出器の不確実性を手がかりに、ライトカーテンと呼ばれる制御可能な深度センサの配置を最適化し、逐次的に物体検出精度を高める能動的知覚手法を提案した。
- オンライン計画とオフポリシー学習を組み合わせた強化学習手法LOOP強化学習2020/8/1
学習済みモデルと価値関数を用いたHステップ先読み方策を提案し、モデル誤差と価値誤差のトレードオフを理論・実験で示すとともに、Actor Divergence問題を解決するARCを導入してロボットタスクでの性能向上を実証した論文。
- AB3DMOT：3D多物体追跡のベースラインと新評価指標3D多物体追跡2020/8/1
LiDAR点群から得た3D検出に対し3Dカルマンフィルタとハンガリアン法を組み合わせたシンプルなリアルタイム3D多物体追跡システムを提案し、KITTIで207.4FPSを達成。さらに3D MOT評価ツールと3つの新指標を提案した。
- 物体姿勢推定のための姿勢分布学習姿勢推定2020/7/1
物体の姿勢推定において不確実性を考慮し、深層特徴から等方性Bingham分布を回帰する手法と、特徴比較により非パラメトリックなヒストグラム分布を学習する手法を提案し、対称性の有無にかかわらず高精度な姿勢分布推定を実現した。
- 透明・鏡面物体の把持のためのマルチモーダル転移学習マニピュレーション2020/6/1
既存の単一モーダル把持モデルをマルチモーダル知覚モデルへ転移学習させ、透明・反射物体の把持を可能にした研究。
- 流れに任せて：自己教師ありシーンフロー推定シーンフロー推定2019/12/1
自動運転シーンで非剛体物体の動きを推定するシーンフローネットワークを、最近傍とサイクル整合性に基づく自己教師あり損失で大規模未ラベルデータから学習し、教師あり手法と同等以上の性能を達成した。
- LiDAR点群の最適セグメンテーションを学習する点群セグメンテーション2019/12/1
グラフ探索とデータ駆動学習を組み合わせ、物体らしさスコアに基づいてLiDAR点群を最適にインスタンス分割する手法を提案し、KITTIで従来法を上回る性能を示した。
- 見えるものが手に入る：可視性を活用した3D物体検出3D物体検出2019/12/1
LiDARの2.5Dデータからレイキャスティングで可視性マップを復元し、ボクセルベース3D検出器の追加入力として組み込むことで検出精度を向上させた研究。
- 古典的手法によるリアルタイム3D多物体追跡と新評価指標の提案3D多物体追跡2019/7/1
LiDAR検出に3Dカルマンフィルタとハンガリアン法を組み合わせたシンプルなリアルタイム3D多物体追跡システムを構築し、新たな3D評価ツールと指標を提案した。
- 真の状態なしで強化学習を行う手法強化学習2019/5/1
目標観測との一致のみを報酬とする指標報酬関数と、達成目標による再ラベリングを組み合わせ、真の状態推定なしにRGB-D画像からロープ操作などの複雑な連続状態空間タスクを学習できることを示した。
- 変化する疎報酬環境に適応する分散調整法強化学習2019/3/1
価値関数と最適探索の関係を理論的に解析し、ガウス方策の分散を適応的に調整することで、環境変化に素早く適応できる手法を提案した。
- 点群補完ネットワーク（PCN）点群補完2018/8/1
部分的な点群から物体の完全な形状を推定する学習ベース手法PCNを提案。対称性や意味クラスの仮定なしに生の点群を直接扱い、少ないパラメータで高精細な補完を実現した。
- 逆方向カリキュラム生成による強化学習強化学習2017/7/1
目標状態から逆算して徐々に遠い開始状態を自動生成するカリキュラムで、スパース報酬の目標指向タスクを効率的に学習する手法を提案。
- 強化学習エージェントのための自動目標生成強化学習2017/5/1
敵対的訓練で難易度を調整しながら目標状態を生成し、エージェントが多様なタスクを自動的に学習できるカリキュラムを構築する手法を提案した。
- 確率的に安全な方策転送安全学習2017/5/1
ロボットアームの学習中に期待損傷を安全制限以下に保ちながら、トルク制限と方策パラメータの更新が安全性に与える影響を予測して最適化する手法を提案した。
- ロボットが自身の目的を人に伝えるための行動設計人間ロボットインタラクション2017/2/1
ロボットが人間の逆強化学習による推論をモデル化し、目的を最も分かりやすく伝える行動を選ぶ手法を提案。自動運転のユーザー研究で有効性を検証した。
- 深層回帰ネットワークによる100FPSの物体追跡学習物体追跡2016/4/1
オフライン学習したフィードフォワード型ニューラルネットで、未知の物体を100fpsでリアルタイム追跡する手法を提案した論文。
- 単一視点からの物体インスタンス認識のための深層学習物体認識2015/7/1
各物体につき1枚の画像しかない状況で深層学習により物体インスタンスを認識する手法を提案し、多視点補助データセットで視点変化に頑健な学習を行うことで従来手法を上回る性能を示した。
