Federico Ceola
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
- KDPE: 拡散ポリシーの軌道選択のためのカーネル密度推定戦略模倣学習2025/8/1
拡散ポリシーが生成する軌道の中から、カーネル密度推定を用いて危険なものを除外し、ロボットの行動品質を向上させる手法を提案した。
- 模倣学習によるHannes義手の把持制御マニピュレーション2025/8/1
模倣学習を用いてHannes義手を制御し、非構造環境での物体把持を実現する手法とデータセットを提案した論文。
- PCHands: 多自由度マニピュレータのためのPCAに基づくハンドポーズシナジー表現マニピュレーション2025/8/1
2本指グリッパから5本指ハンドまで多様なマニピュレータの姿勢をアンカー位置で統一的に記述し、PCAで共通の潜在表現を抽出することで、強化学習による巧みな操作の学習効率と汎化性能を向上させる手法を提案。
- RESPRECT: 残差強化学習による多指ハンド把持の高速化マニピュレーション2024/1/1
事前学習済み方策に残差方策を重ねて学習することで、多指ハンドによる新しい物体の把持を、デモなしで約5倍速く学習できる手法を提案し、実機iCubでも有効性を示した。
- LHManip: 散らかった卓上環境における長期的言語指示マニピュレーションタスクのデータセットマニピュレーション2023/12/1
実ロボットの遠隔操作で20種類の長期的マニピュレーションタスクを200エピソード収集し、言語指示とマルチカメラ視点を付与したデータセットを構築した。
- 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。
- 把持姿勢さえあれば十分:視覚と触覚を用いた深層強化学習による多指ハンド把持の学習マニピュレーション2023/6/1
外部アルゴリズムが生成した把持姿勢を起点に、視覚と触覚入力を用いた深層強化学習でiCubヒューマノイドの多指ハンドの把持制御を学習するG-PAYNを提案し、MuJoCo上でYCB-Video物体に対して既存DRL手法を上回る性能を示した。
- 高速学習で高精度セグメンテーション:iCubロボットにおける物体セグメンテーションの高速学習セグメンテーション2022/6/1
ロボットの視覚システムにおいて、新しい物体や異なる環境に迅速に適応するためのインスタンスセグメンテーションの高速学習パイプラインを提案し、iCubヒューマノイドで実証した。
- ロボティクス向け物体検出のための高速領域提案学習物体検出2020/11/1
物体検出器の領域候補生成もタスクに合わせて再学習することで精度を向上させ、2つのロボティクスデータセットで速度と精度の改善を示した論文。
- ロボティクス向けカーネル法による高速物体セグメンテーション学習物体セグメンテーション2020/11/1
事前学習済みMask R-CNNの一部層をカーネル法ベースの分類器・回帰器に置き換え、新タスク向けに高速再学習することで、従来法と同等以上の物体セグメンテーション性能を約6倍短い学習時間で実現した。
