Hanbo Zhang
National University of Singapore
収録論文 27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
- ブラックボックス視覚言語モデルの不確実性を代理ベイズ推定で定量化する視覚グラウンディングVLA2026/10/29
ブラックボックスVLMによる視覚的指示対象の特定に対し、外部の代理ベイズモデルでクエリごとの不確実性を推定し、較正とタスク性能を改善する手法を提案した。
- 物体中心ポリシーを組み合わせたリcedingホライズン押し動作マニピュレーション2026/9/20
任意形状の3D物体を長期的に押して目標姿勢へ移動させるため、物体中心の学習ポリシーとBIT*探索を組み合わせた階層的フレームワークを提案し、実機実験で有効性を示した。
- 不確実性下での仮説駆動型モデル拡張によるオープンワールドロボット計画プランニング2026/7/1
未知環境で動作するサービスロボットが、基盤モデルを用いて世界モデルの仮説を生成・検証・更新しながら自律的に知識を拡張し、タスク計画を実行する枠組みを提案した。
- 動的環境における可視性を考慮した移動把持移動把持2026/5/1
限られた視野を持つ移動ロボットが、動的で未知の環境で安全に物体を把持するための統合システムを提案。低レベルの全身プランナーと高レベルの行動木プランナーを組み合わせ、シミュレーションと実機で有効性を実証した。
- 階層的マニピュレーション政策のための世界モデルのスケーリングVLA2026/2/1
大規模事前学習済み世界モデルを高レベルプランナーとして用い、VLAを低レベル実行者とする階層的フレームワークを提案。未知物体や新規状況での汎化性能を大幅に向上させた。
- MimicFunc: 単一の人間動画から機能対応を介して道具操作を模倣する模倣学習2025/8/1
機能中心の局所座標系「ファンクションフレーム」を構築し、1本のRGB-D人間動画から新しい道具への操作スキルを汎化するフレームワークを提案。
- Chain-of-Action: ロボットマニピュレーションのための軌道自己回帰モデリングマニピュレーション2025/6/1
目標から逆算して行動系列を自己回帰的に生成する視覚運動ポリシーを提案し、RLBenchと実機タスクで最先端性能を達成した。
- 取扱説明書を読んで家電を操作するロボットVLA2025/5/1
家電の取扱説明書を大規模視覚言語モデルで解釈し、記号的なモデルを構築して実際の操作に結びつけるロボットシステムApBotを提案した。
- FUNCTO: 機能中心のワンショット模倣学習による道具操作模倣学習2025/2/1
人間の1回のデモ動画から、同じ機能を持つ形状の異なる道具へ操作スキルを汎化できる、3D機能キーポイント表現を用いたワンショット模倣学習手法を提案。
- 汎用ロボットのための視覚言語行動モデル構築で重要な要素VLA2024/12/1
視覚言語行動モデル(VLA)の性能を左右する設計要因を大規模実験で分析し、汎用ロボット向けの新しいVLAファミリーRoboVLMsを提案した論文。
- GR-2: ウェブ規模の知識を持つ生成型ビデオ・言語・行動モデルによるロボットマニピュレーションVLA2024/10/1
3800万本のインターネット動画で事前学習した大規模モデルをロボット軌道で微調整し、100以上のタスクで平均97.7%の成功率と未知環境への高い汎化性能を実現した。
- REGNet V2: 異なるサイズのグリッパ向けエンドツーエンド領域ベース把持検出ネットワークマニピュレーション2024/10/1
点群にグリッパパラメータを埋め込み、スコア・領域・精緻化の3段階ネットワークで多様な物体への把持を予測するシステムを提案し、実環境で高い成功率を達成した。
- DexDiff: 制約のない環境で掴めない物体を外的手先で操作するマニピュレーション2024/9/1
VLMによる高レベル計画と目標条件付き拡散モデルを組み合わせ、壁や机の端を利用して本や鍋のような掴みにくい物体を掴む外的手先操作を実現した。
- SInViG: 人とロボットの対話のための自己進化型インタラクティブ視覚エージェントVLA2024/2/1
自然言語の曖昧さをマルチターンの視覚と言語の対話で解消する自己進化型ロボットエージェントを提案し、人間との対話実験とFrankaロボットでの操作タスクで有効性を示した。
- 実世界における統合的対話型視覚グラウンディングに向けてVLA2024/1/1
視覚対話とグラウンディングを統一的に定式化したエンドツーエンドシステムTiOを提案し、曖昧な指示を能動的に質問して対象を特定するHRIタスクで最先端性能を達成した。
- 視覚言語基盤モデルをロボット模倣学習に活用するRoboFlamingoVLA2023/11/1
オープンソースの視覚言語モデルOpenFlamingoを基に、単一ステップの視覚言語理解とポリシーヘッドを分離し、模倣学習で微調整するだけでロボット操作を実現するフレームワークを提案。
- InViG: 50万件の人間-ロボット対話による対話型視覚的グラウンディングのベンチマーク対話型グラウンディング2023/10/1
言語の曖昧さを含む対話を通じて対象物体を特定する対話型視覚的グラウンディングのための大規模データセットInViGを構築し、ベースライン手法を提案・評価した。
- ロボット把持の古典から現代まで:サーベイ把持2022/2/1
ロボット把持の研究史を解析的手法からデータ駆動型・意味論的把持まで概観し、今後の課題と研究方向を整理したサーベイ論文。
- スパース報酬マルチゴール強化学習のための密度ベースカリキュラムマニピュレーション2021/9/1
スパース報酬のマルチゴール強化学習において、目標空間の密度に基づくカリキュラムで探索を効率化し、データ効率と成功率を向上させた研究。
- INVIGORATE: 対話と把持で混雑環境の物体を特定するロボットシステムVLA2021/8/1
自然言語とRGB画像から混雑環境内の対象物体を推論し、遮蔽関係を検出して質問で曖昧さを解消しながら把持するPOMDP統合システムを構築した。
- REGRAD: 散らかった環境での安全かつ対象物特有のロボット把持のための大規模関係把持データセット把持データセット2021/4/1
物体間の関係と把持を学習するための大規模データセットREGRADを構築し、2D画像と3D点群の両方で注釈を提供、実環境での汎化性能も検証した。
- REGNet:点群からのエンドツーエンド把持検出のための領域ベース把持ネットワーク把持検出2020/2/1
単視点の点群を入力とし、スコア推定・把持領域予測・リファインメントの3段階で最適な把持を検出するエンドツーエンドネットワークを提案し、実環境の乱雑な場面で高い成功率を達成した。
- 指向性アンカーボックスを用いたリアルタイムロボット把持手法把持検出2018/9/1
指向性アンカーボックスを導入した全畳み込みネットワークで把持位置と角度を高精度・高速に検出し、実機で高い成功率を達成した。
- 物体が積み重なった環境での自律ロボット把持のためのマルチタスク畳み込みニューラルネットワークマニピュレーション2018/9/1
把持検出と物体間の操作関係推論を1つの深層ネットワークに統合し、積み重なった物体の中から目標物を段階的に把持するシステムを構築した。Baxterロボットで複雑な積層シーンでも59.4%の成功率を達成。
- 物体が重なる場面のためのROIベース把持検出把持検出2018/8/1
物体領域(ROI)ごとに把持候補を検出する2段階の把持検出手法ROI-GDを提案し、物体が重なる場面での把持性能を向上させた。
- 指向性アンカーボックスを用いた全畳み込み把持検出ネットワーク把持検出2018/3/1
RGB画像から平行板グリッパの複数の把持姿勢をリアルタイムに予測する全畳み込みネットワークを提案し、指向性アンカーボックスと新しいマッチング戦略でCornell Grasp Datasetにおいて高精度を達成した。
- 視覚的操作関係ネットワークマニピュレーション2018/2/1
複数物体の把持順序を決める操作関係をCNNでリアルタイムに検出・予測するVMRNを提案し、大規模データセットVMRDを構築した。
