Dian Wang
収録論文 34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
- フレーム混合ポリシー:双腕移動操作のためのマルチフレーム行動ノイズ除去拡散ポリシー/双腕操作/移動操作2026/7/1
拡散ベースの視覚運動ポリシーにおいて、複数の座標フレームで同期して行動ノイズ除去を行う新しい手法を提案し、シミュレーションと実機の双腕移動操作タスクで性能を実証した。
- Pix2Act: 等変オーグメンテーションを用いた画像空間操作ポリシーマニピュレーション2026/7/1
カメラ平面上の2D軌跡として操作行動を表現し、三角測量でエンドエフェクタの姿勢を復元する模倣学習手法を提案。観測と行動を同じ座標系に揃えることで等変変換を可能にし、汎化性能を向上させた。
- アクションマップポリシー:ピクセル分類による3D閉ループ操作の学習マニピュレーション2026/7/1
ロボットの操作行動をカメラ画像平面上のピクセル位置として分類問題に変換し、高次元で多峰性の行動を効率的に学習する手法を提案。拡散ポリシーより高速で高精度な推論を実現。
- HoMMI: 人間のデモンストレーションから全身移動マニピュレーションを学習移動マニピュレーション2026/3/1
ロボットを使わずに人間のデモンストレーションから全身移動マニピュレーションを学習するデータ収集・方策学習フレームワークを提案し、自己中心視センシングと身体差を埋めるハンド・アイ方策設計により長期的な移動操作タスクを実現した。
- 触覚等変性を利用した残差回転補正触覚2025/11/1
触覚センサのSO(2)対称性を利用し、少ないデータで物体の回転を補正する等変ネットワークを提案。実機で未学習の把持姿勢にも汎化する。
- 物体中心表現による汎化可能な階層的スキル学習マニピュレーション2025/10/1
物体中心のスキルプリミティブを介して視覚言語モデルと低次視覚運動ポリシーを橋渡しし、少ないデモでロボット操作の汎化とサンプル効率を大幅に向上させる階層的学習フレームワークを提案。
- 球面投影による3D同変視覚運動ポリシー学習VLA2025/5/1
単眼RGB画像から球面に特徴を投影し、点群再構成なしでSO(3)同変な拡散ポリシーを学習する手法を提案。
- 拡散ポリシーに对称性を組み込むための実践的ガイドVLA2025/5/1
拡散ポリシーに完全な同変設計を必要とせず、不変表現や同変視覚エンコーダ、フレーム平均化などの実践的手法で対称性の利点を組み込む方法を検討し、その有効性を実験的に示した。
- 等変モデルと把持スコア最適化によるプッシュ・把持方策学習マニピュレーション2025/4/1
SE(2)等変性を取り入れたネットワークと把持スコア最適化により、散らかった環境でのプッシュと把持を統合的に学習する手法を提案し、シミュレーションと実機で成功率を大幅に改善した。
- 粗から細への3Dキーフレームトランスポーターマニピュレーション2025/2/1
キーフレーム模倣学習における双同変対称性を利用し、把持物体とシーンの特徴の相互相関で行動を評価するTransporter Networksベースの手法を提案。粗から細へのSE(3)行動評価により、シミュレーションで10%以上、実機実験で平均55%の性能向上を達成した。
- フレーム転送による階層的同変方策マニピュレーション2025/2/1
高レベル方策の出力を低レベル方策の座標フレームとして用いるフレーム転送インターフェースを提案し、両階層にドメイン対称性を組み込んだ階層的同変方策を実現した。複雑なロボットマニピュレーションで最先端性能を達成。
- MATCH POLICY:点群位置合わせから操作ポリシーへのシンプルなパイプラインマニピュレーション2024/9/1
ピック&プレースの対象をデモと点群位置合わせで対応付けることで、学習なしに高精度な操作ポリシーを実現する手法を提案。
- 部分観測下における同変強化学習強化学習2024/8/1
部分観測環境で群対称性の同変性をニューラルネットに組み込み、過去の解を再利用することでサンプル効率と性能を高める強化学習手法を提案した。
- 同変拡散ポリシー模倣学習2024/7/1
拡散モデルを用いた模倣学習にSO(2)同変性を導入し、ノイズ除去関数のサンプル効率と汎化性能を向上させる手法を提案。
- OrbitGrasp: SE(3)同変な把持学習マニピュレーション2024/7/1
点群入力からSE(3)把持姿勢を検出するため、球面調和基底で連続的な把持品質関数を学習するSE(3)同変モデルを提案し、シミュレーションと実機で性能を向上させた。
- 同変オフライン強化学習オフラインRL2024/6/1
ロボット操作タスクを回転対称問題として捉え、SO(2)同変ニューラルネットワークをオフラインRL(CQL・IQL)に導入し、少数のデモンストレーションでも性能が向上することを示した。
- テキスト・視覚関連性と同変言語マッピングによる効率的で堅牢な言語条件付きマニピュレーションの学習言語条件付きマニピュレーション2024/6/1
事前学習済み視覚言語モデルと同変言語マッピングを組み合わせ、少ないロボットデータで言語指示に基づく操作を高精度かつ堅牢に実現する手法GEMを提案。
- 想像ポリシー:生成的点群モデルを用いたマニピュレーションポリシーの学習マニピュレーション2024/6/1
目標状態の点群を生成し、剛体動作推定で行動に変換するマルチタスク・キーフレームポリシーを提案。RLbenchで高性能を示し、実機でも検証した。
- フーリエトランスポーター:3Dロボット操作における双等変性マニピュレーション2024/1/1
ピック&プレースのSE(d)×SE(d)対称性を利用し、フーリエ変換でメモリ効率よく等変性を組み込んだ行動クローニング手法を提案。RLbenchで最先端性能を達成。
- ピック・アンド・プレイスにおける対称性の活用マニピュレーション2023/8/1
平面ロボットのピック・アンド・プレイスに存在する対称性を分析し、同変ニューラルモデルをTransporter Netに組み込むことで、少ないデモンストレーションで効率的に学習できるEquivariant Transporter Netを提案した。
- 等変モデルを用いたロボット把持学習マニピュレーション2023/6/1
平面把持関数のSE(2)等変性を利用してニューラルネットを制約し、実機で600回の把持試行から1.5時間以内に把持を学習するSymGraspを提案。
- SEIL: シミュレーション拡張同変模倣学習模倣学習2022/11/1
実世界の専門家軌道にシミュレーション遷移を補完するデータ拡張とO(2)対称性を活用した同変モデルを組み合わせ、10回のデモンストレーションで非自明なマニピュレーションタスクを学習する手法を提案。
- エッジグラスプネットワーク:グラフベースのSE(3)不変な把持検出マニピュレーション2022/11/1
点群入力から6自由度の把持姿勢を検出するため、SE(3)不変なグラフベースのニューラルネットワークを提案し、任意視点の単視点点群でも高い把持成功率を実現した。
- 完全観測ポリシーを活用した部分観測下での強化学習強化学習2022/11/1
シミュレータで完全観測の専門家ポリシーをオフライン学習に利用し、部分観測環境でのオンライン強化学習性能を向上させる手法を提案。
- 潜在対称性を持つ領域における同変モデルの意外な有効性ロボット操作2022/11/1
入力に現れない潜在的な対称性を持つロボット操作・制御タスクにおいて、厳密に一致しない同変制約を課すことが学習を助け、非同変手法より大幅に性能が向上することを示した研究。
- BulletArm:オープンソースのロボットマニピュレーションベンチマークと学習フレームワークマニピュレーション2022/5/1
再現性と拡張性を重視したロボットマニピュレーションのベンチマークと学習環境を提案し、31種類のタスクとベースラインアルゴリズムを提供する。
- 等変モデルによる実機ロボット学習マニピュレーション2022/3/1
等変ニューラルネットワークを実機マニピュレーションの強化学習に適用し、シミュレータやオフラインデータなしで1〜2時間以内に複数の非自明なタスクを学習できることを示した。
- SO(2)同変強化学習強化学習2022/3/1
最適Q関数と方策の同変・不変性を利用し、回転対称なロボット操作問題向けに同変DQNとSACを提案、サンプル効率の大幅改善を示した。
- 等変モデルによるサンプル効率の高い把持学習マニピュレーション2022/2/1
最適な把持関数がSE(2)等変性を持つことを利用し、等変畳み込みネットワークでモデル化することで、わずか600回の把持試行で実機ロボットが約1.5時間で把持を学習できることを示した論文。
- 同変トランスポーターネットワークマニピュレーション2022/2/1
ピックとプレースの両方の向きに対して同変なTransporter Netを提案し、少ない実演から効率的に操作方策を学習して成功率を向上させた。
- 空間行動空間における同変Q学習マニピュレーション2021/10/1
画像状態とSE(2)行動空間の回転・並進対称性を利用した同変Qネットワークを提案し、操作タスクでのサンプル効率を向上させた論文。
- 過去タスクの解を活用する行動事前分布によるロボット操作の探索支援強化学習2021/1/1
過去に解いたタスクの政策から行動の事前確率分布を作り、専門家デモなしでも大規模行動空間のロボット操作タスクを強化学習で解けるようにした研究。
- SE(3)行動空間における方策学習マニピュレーション2020/10/1
高次元のSE(3)空間行動を扱うため、行動空間を縮小し状態空間を拡張する変換手法ASRSE3と大規模行動空間向けのSDQfDを提案し、ブロック構築タスクで有効性を示した論文。
- オープンワールド環境における支援ロボットのピックアンドプレースマニピュレーション2018/9/1
レーザーポインタと投影インターフェースを用いて、未知物体や環境のモデリングなしにピックアンドプレースを行う支援ロボットシステムを提案し、従来手法より実行時間と把持成功率を改善した。
