George Konidaris
Brown University
収録論文 47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
- DefFlow: 3D点フローを用いた目標条件付き変形物体操作変形物体操作2026/10/16
ロボットと変形物体の目標条件付き3D点フローを同時予測することで、把持・解放・再把持の判断と精密動作を学習し、ロープ・粒状体・布の操作で従来手法を大きく上回る枠組みを提案。
- Hydra-0: 汎用世界モデリングと制御のためのアクションフロー世界モデル2026/8/18
ロボットの動作をピクセル運動として表現するアクションフローを用いた汎用世界モデルを提案し、動作誤差を大幅に低減し、ゼロショット合成やデータ効率的な適応を実現した。
- 意図的練習:予算制約下でのロボットスキル学習スキル学習2026/8/1
限られた練習予算でロボットがスキルを効率的に学習するための能動的学習アルゴリズムを提案し、予算最適なスキル割り当てを双線形計画で計算する。
- Deform360: 変形可能な世界モデルのための大規模マルチビュー視触覚データセットデータセット/世界モデル2026/7/1
変形物体の動力学予測(世界モデリング)の研究を促進するため、198個の日用品、1,980のインタラクションシーケンス、215時間以上の観測データを含む大規模な視触覚データセットを構築し、2Dビデオモデルと3Dパーティクルモデルの性能を体系的に評価した。
- 述語と行動の同時学習によるゼロショット技能合成模倣学習/技能合成2026/5/1
ロボットの模倣学習において、行動とその象徴的な結果(述語)を同時に生成する新しいポリシーを提案し、学習済み技能のゼロショット合成を可能にした。
- 少数のインタラクションから等変なニューラル拡張物体ダイナミクスを学習する物体ダイナミクス2026/5/1
物理モデルと等変グラフニューラルネットワークを組み合わせ、限られた実データで剛体・変形物体のダイナミクスを正確に予測する手法PIEGraphを提案した。
- 反実仮想推論による創造的ロボットツール使用ツール使用2026/5/1
因果推論フレームワークを用いて、ロボットがツールの本来の目的を超えた創造的な使い方を実現する。シミュレーション実験で因果関係を発見し、VLMによる特徴提案と反実仮想的なツール生成を組み合わせて、未知の物体を分類しスキルを転移する。
- 部品分解によるワンショット形状横断スキル転移スキル転移2026/4/1
デモンストレーションから物体を意味的部品に分解し、生成形状モデルを用いて相互作用点を新規物体へ転移させることで、未知形状へのスキル転移を実現した。
- エンティティ中心の階層型強化学習と因子分解サブゴール拡散階層型強化学習2026/2/1
複数エンティティ環境での長期目標タスクに対し、価値ベースのGCRLエージェントと因子分解サブゴール生成拡散モデルを組み合わせた階層型オフライン強化学習手法を提案し、疎報酬の画像ベース長期タスクで成功率を大幅に向上させた。
- NovaPlan: 閉ループ動画言語計画によるゼロショット長期的マニピュレーションマニピュレーション2026/2/1
VLMと動画生成を組み合わせ、生成動画から物体キーポイントと人間の手の姿勢を抽出してロボット動作に変換する階層的フレームワークを提案。訓練や実演なしで長期的な組立作業やエラー回復を実現した。
- 未知物体を含むタスク計画のための学習ベース物体探索フレームワークタスク計画2026/2/1
物体の位置が不明な環境で、学習ベースの物体探索をタスク計画に統合し、探索と実行を交互に行う計画手法を提案。
- SkillWrapper: タスクレベルロボット計画のための生成的述語発明タスク計画2025/11/1
基盤モデルを活用してRGB画像から人間に解釈可能な記号表現を学習し、未見の長期的タスクを計画・実行できる手法を提案。
- 実演からのパラメータ化スキル学習模倣学習2025/10/1
専門家の実演からパラメータ化されたスキルを発見するDEPSを提案し、メタポリシーと共に学習することで未見タスクへの汎化性能を向上させた。
- NovaFlow: 生成動画からの実行可能フローによるゼロショットマニピュレーションマニピュレーション2025/10/1
タスク記述から動画を生成し、それを3Dの物体フローに変換してロボットの動作計画を立てることで、実演なしで新しい操作タスクをゼロショット実行するフレームワーク。
- 不確かさ推定で残差強化学習を加速する強化学習2025/6/1
ベース方策の不確かさを利用して探索を効率化し、確率的なベース方策にも対応できる残差強化学習手法を提案。シミュレーションと実機で既存手法を上回る性能を示した。
- 施設配置計画による協働ロボットの最適な対話型学習マニピュレーション2025/5/1
複数タスクにわたる協働ロボットの対話型学習を、施設配置問題として定式化し、人間の負担を最小化するクエリ選択を計画する手法を提案。
- タスク・スキルプランニング:ブラックボックススキルを用いた階層型ロボットプランニングタスク・モーションプランニング2025/4/1
学習済み・力制御・ブラックボックスなど異種スキルを階層プランナに統合し、CIPでスキル間の動作を補間することで、双腕・移動マニピュレータの長期的タスクを実現する手法を提案。
- V-HOP: 視覚触覚融合による6D物体姿勢追跡視覚触覚融合2025/2/1
視覚と触覚を統合したトランスフォーマーにより、多様なグリッパやセンサに対応する6D物体姿勢追跡手法を提案し、実世界で視覚のみの手法を大きく上回る性能を実現した。
- 潜在予測エンパワーメント:シミュレータなしでエンパワーメントを測るスキル学習2024/10/1
環境の完全なシミュレータを必要とせず、潜在予測モデルのみでエンパワーメントを計算し、多様なスキルセットを学習する手法を提案した。
- 動詞によるスキル汎化マニピュレーション2024/10/1
動詞を用いて新しい物体に対する操作スキルを汎化する手法を提案し、物体の軌道が特定の動詞で記述できるかを判定する確率的分類器を学習させ、新しい物体カテゴリへの汎化性能と実機での軌道生成を実証した。
- 大規模言語モデルによる物体レベル計画のブートストラップタスク・動作計画2024/9/1
大規模言語モデルから物体状態の高レベル変化を表す計画スキーマを抽出し、タスク・動作計画(TAMP)のブートストラップに活用する手法を提案。シミュレーションでのピック・アンド・プレース作業で既存手法を大きく上回る性能を示した。
- 基礎モデルを用いた複雑なロボット指示の検証可能な追従VLA2024/2/1
LIMPは、基礎モデルを活用して複雑で開放的な指示を記号的に表現し、事前の意味地図なしに実世界で検証可能に追従する手法を提案する。150の指示で評価し、複雑な時空間指示で79%の成功率を達成した。
- 対話による目標認識:計画認識と言語フィードバックを組み合わせた人間意図推定の改善計画認識2023/10/1
ロボットが雑音の多い観測や非最適な行動から人間の計画・目標を推定する際、確認質問による言語フィードバックを統合する枠組みD4GRを提案し、台所とブロックの2領域で精度向上を示した。
- 階層的エンパワーメント:扱いやすいエンパワーメントベースのスキル学習に向けてスキル学習2023/7/1
目標条件付き階層強化学習の概念を統合し、短期的なエンパワーメント計算のための新しい変分下界と、指数関数的に長い時間スケールでの階層的アーキテクチャを導入することで、エンパワーメントベースのスキル学習をより扱いやすくするフレームワークを提案。
- 文脈構造を活用した有用な補助タスクの生成強化学習2023/3/1
強化学習において、与えられたタスクの時相論理表現と大規模言語モデルを用いて文脈に応じた補助タスクを自動生成し、経験の再利用を最大化するマルチタスク強化学習フレームワークを提案した。
- 生涯学習システムの特性評価のためのドメイン非依存アプローチ生涯学習2023/1/1
生涯学習システムを評価するためのドメイン非依存なメトリクスと評価フレームワークを提案し、5つのケーススタディを通じてその有効性を示した。
- 安全な運動スキル学習のための制約付き動的運動プリミティブマニピュレーション2022/9/1
動的運動プリミティブ(DMP)にゼロ化バリア関数を組み込み、非線形最適化で強化学習重みを調整することで、障害物回避や作業空間制約を満たす安全な動作生成を実現した。
- LTL-Transfer: 時相タスク仕様のためのスキル転移VLA2022/6/1
線形時相論理(LTL)で記述された新規タスクに対し、訓練中に獲得したタスク非依存スキルを組み合わせてゼロショットで安全に遂行する転移アルゴリズムを提案し、四足移動マニピュレータでの実機検証も行った。
- 学習した抽象表現による反応型高レベルタスクの自動符号化と修復タスク計画2022/4/1
ロボットのスキルをセンサデータから記号化してLTLで自動符号化し、反応型高レベルタスクの戦略合成と、実行不能な場合のスキル追加・修正案の自動提示を行うフレームワークを提案。
- 接近物体への反応的な移動方策の階層強化学習に関する予備研究歩行2022/3/1
MuJoCo上で脚式ロボットが迫ってくるボールを避けるシミュレーション環境を構築し、事前の移動経験が階層強化学習による反応制御方策の学習効率を高めるかを検証した。
- IKFlow:多様な逆運動学解を生成する手法逆運動学2021/11/1
深層ニューラルネットワークを用いて、6自由度以上のロボットアームの逆運動学解を多様に生成する手法を提案。高速かつ高精度で、古典的手法による微調整も可能。
- 自然言語を持ち上げられたLTLに写像することで新規ドメインへ汎化する手法言語接地2021/10/1
自然言語のタスク指示を中間的な文脈クエリ表現を介してLTLテンプレートに結びつけ、未知の物体参照にも汎化できるようにした研究。
- 未知物体の運動学的階層を推論する学習手法関節物体知覚2021/10/1
点群セグメンテーションとグラフニューラルネットワークを用いて、未知の関節物体の可動部品とその運動学的結合関係を推論する知覚システムを提案し、実ロボット操作への応用可能性を示した。
- 副詞を用いたパラメータ化スキルの誘導方策探索言語条件付け方策学習2021/10/1
人間が与える副詞のフィードバックからスキルパラメータを調整する手法を提案し、密な報酬がない状況でも従来の方策探索の代替として機能することを示した。
- 相関情報を活用した最適物体探索への取り組み物体探索2021/10/1
物体間の相関関係を保ちつつ状態空間を削減したPOMDPを提案し、階層的計画法で実用的な物体探索を効率化した研究。
- 接触を伴う操作における安全なインピーダンス制御のためのRMPマニピュレーション2021/9/1
リーマン運動ポリシー(RMP)と可変インピーダンス操作空間制御を組み合わせ、接触の多い操作行動をより安全に学習する手法を提案した論文。
- 連続制御ロボットマニピュレーションのための価値ベース強化学習:マルチタスク・スパース報酬設定における検討マニピュレーション2021/7/1
スパース報酬のマルチタスクロボットマニピュレーションにおいて、RBF-DQNなどの価値ベース強化学習がTD3やSAC、PPOより速く収束することを実験的に示し、HERやPERの適用可能性も検証した論文。
- 密集環境での多様な把持を実現するマルチモーダル把持検出の学習マニピュレーション2021/6/1
部分点群から複数種類の把持の成功確率を同時に予測し、密集した乱雑環境での物体取り出し率を向上させた研究。
- 運動計画による運動スキル学習のブートストラップ運動計画2021/1/1
人間のデモンストレーションの代わりに運動学的運動計画を用いて、物体操作の運動スキル学習を自律的かつサンプル効率良くブートストラップする手法を提案し、引き出し開け・電子レンジ扉閉め・ティー打撃の3タスクで有効性を示した。
- 3D多物体探索のためのマルチ解像度POMDP計画探索計画2020/5/1
3D空間で複数物体を効率的に探すため、オクツリー信念表現とオンラインMCTSを用いたマルチ解像度POMDP計画法を提案し、実機で検証した。
- 目標パラメータ化による再標的可能な視覚運動スキルの学習視覚運動制御2019/10/1
目標をパラメータ化したニューラルネット方策として視覚運動スキルを学習し、未見の目標にもゼロショットで汎化できることをボタン押しやペグ挿入タスクで示した論文。
- ロボットマニピュレーションのための学習:課題・表現・アルゴリズムのレビューマニピュレーション2019/7/1
ロボットマニピュレーション学習の研究を統一的な枠組みで整理し、課題・表現・アルゴリズムを概観したサーベイ論文。
- セグメンテーションと形状予測事前分布によるカテゴリレベル姿勢の確率的推定姿勢推定2019/5/1
生成物体モデルによる3D形状推定とセグメンテーション情報を統合し、混合密度ネットワークで3DOF姿勢の多峰分布を予測するカテゴリレベル姿勢推定手法を提案した論文。
- ベイズ固有物体による言語属性の物体への接地言語接地2019/5/1
自然言語の物理的記述と深度画像から物体インスタンスを識別するシステムを開発し、少量の言語注釈データで未学習視点や新規物体にも対応、ロボットでの物体選択を実現した。
- インターネット上のROSをスキャン:ロボティクス研究におけるセキュリティの実態セキュリティ2018/8/1
IPv4全体をスキャンして公開されたROSホストを調査し、センサー情報の読み取りやロボット操作が可能な事例を示してセキュリティ上の問題を明らかにした。
- 後知恵を用いた多階層強化学習フレームワークHAC階層強化学習2017/12/1
下位レベルを最適と仮定して各階層を独立に訓練することで、多階層ポリシーの並列学習の不安定性を克服し、連続制御タスクで3階層の並列学習を初めて成功させた。
- 複合現実ヘッドマウントディスプレイによるロボットアームの動作意図の提示HRI2017/8/1
ロボットアームの予定動作を複合現実HMDで実世界に重ねて表示し、2Dディスプレイや表示なしと比較して、衝突判定の正確性が16%向上し作業時間が62%短縮できることを示した。
