Hao-Shu Fang
収録論文 25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
- データ効率的なロボット模倣学習のためのマルチカメラ視点スケーリング模倣学習2026/4/1
デモ収集時に複数のカメラ視点を用いて擬似デモを生成し、データ効率と汎化性を向上させる模倣学習フレームワークを提案した。
- ExoGS: スケーラブルなマニピュレーションデータ収集のための4D Real-to-Sim-to-Realフレームワークsim2real2026/1/1
人間の直接教示をロボット同型の受動外骨格で計測し、環境と物体を3Dガウシアンスプラッティングで再構成してシミュレーション上で大規模データ拡張と方策学習を行うReal-to-Sim-to-Real手法を提案。
- DEXOP:巧みな人間操作をロボットへ転移するデバイスマニピュレーション2025/9/1
人間の手指をロボットハンドに機械的に接続する受動型外骨格DEXOPを開発し、視覚・触覚データを大規模に収集してロボットの巧みな操作スキルを効率的に学習させる手法を提案した。
- VQ-VLA:ベクトル量子化アクショントークナイザのスケーリングによる視覚-言語-行動モデルの改善VLA2025/7/1
大規模な行動軌跡データセットで学習したベクトル量子化アクショントークナイザを提案し、ゼロショットで多様なロボットタスクに適応可能で、長期的タスクの成功率を最大30%向上させた。
- Dense Policy:双方向自己回帰による行動学習マニピュレーション2025/3/1
軽量なエンコーダのみのアーキテクチャで行動系列を粗から細へと対数的な推論時間で展開する、双方向自己回帰型のロボットマニピュレーション方策を提案。
- AirExo-2:低コスト外骨格による汎化可能なロボット模倣学習のスケールアップ模倣学習2025/3/1
低コストの外骨格システムAirExo-2で実世界の大規模デモンストレーションデータを収集し、それを擬似ロボットデータに変換して、3D空間と2D意味論を融合する模倣学習ポリシーRISE-2を訓練した。
- AnyDexGrasp: 異なるハンドに汎用な高効率学習による器用把持マニピュレーション2025/2/1
接触中心の中間表現を介してハンド非依存の把持モデルを学習し、各ハンド固有の把持決定モデルを実機試行錯誤で少数データから訓練することで、複数のロボットハンドで高成功率の把持を実現した。
- FoAR: 接触の多いロボットマニピュレーションのための力覚対応リアクティブポリシーマニピュレーション2024/11/1
力/トルクセンシングと視覚入力を組み合わせ、将来の接触予測に基づいて力データの利用を動的に調整するリアクティブポリシーを提案し、接触の多いタスクでの性能を向上させた。
- CAGE: 因果アテンションによるデータ効率的で汎化可能なロボットマニピュレーションマニピュレーション2024/10/1
視覚基盤モデルDINOv2と因果アテンションを組み合わせ、50回程度の実演から未知環境でも汎化できるロボット操作ポリシーを提案した。
- セグメント単位の選択と最適化によるロボットマニピュレーションにおける混合品質デモンストレーションの有効活用マニピュレーション2024/9/1
ロボットマニピュレーションの混合品質デモデータをセグメント単位で選別・最適化し、既存の政策にプラグアンドプレイで組み込めるフレームワークS2Iを提案。
- EyeSight Hand:視覚ベース触覚センサと柔軟アクチュエーションを統合した全駆動型巧みなロボットハンドの設計マニピュレーション2024/8/1
7自由度の人間型ロボットハンドに視覚ベースの触覚センサと準直接駆動を統合し、模倣学習による複雑な操作タスクで触覚フィードバックの有効性を示した。
- 多指把持のための驚くほど効率的な表現マニピュレーション2024/8/1
多指ハンドでの把持を効率的に学習するための新しい表現を提案し、少ない実機試行で高い把持成功率を達成した。
- 散乱環境における把持可能性の発見による高速かつ高精度な把持姿勢検出マニピュレーション2024/6/1
散乱環境で把持しやすい領域を「graspness」として定義し、それを予測するニューラルネットワークGSNetを提案。従来手法より大幅に高精度・高速な6DoF把持姿勢検出を実現した。
- RISE: 3D知覚で実世界ロボット模倣をシンプルかつ効果的に模倣学習2024/4/1
単一視点の点群から連続的なロボット動作を直接予測するエンドツーエンドの模倣学習手法を提案し、2D・3Dの既存手法を大きく上回る精度と効率を実現した。
- 基盤モデルによる汎用ロボットの実現に向けて:サーベイとメタ分析基盤モデル2023/12/1
NLPやCVの基盤モデルをロボットに応用する研究と、ロボット専用の基盤モデルの可能性を整理したサーベイ論文。
- 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。
- AirExo:低コスト外骨格による実環境での腕全体マニピュレーション学習マニピュレーション2023/9/1
低コストで可搬な双腕外骨格AirExoを開発し、遠隔操作と実環境での大規模デモ収集を可能にした。3分の遠隔操作デモと実環境データの併用で、20分以上の遠隔操作デモに匹敵する汎化性能の高い方策を学習できることを示した。
- 動的な把持軌道のリアルタイム生成による柔軟なハンドオーバーハンドオーバー2023/8/1
移動・回転する物体をロボットが柔軟な軌道で把持できるよう、リアルタイムで頑健な把持軌道を生成し、将来の把持予測も組み合わせたハンドオーバー手法を提案。家庭用品31種で成功率78.15%を達成。
- RH20T: ワンショットで多様なスキルを学習するための包括的ロボットデータセット模倣学習2023/7/1
視覚・力・音・行動のマルチモーダル情報を含む11万以上の実世界ロボット操作シーケンスを収集し、言語記述と人間のデモ動画を付与した大規模データセットを構築した。
- AnyGrasp: 空間・時間領域における堅牢かつ効率的な把持知覚マニピュレーション2022/12/1
実知覚と解析的ラベルを組み合わせた密な教師あり学習により、7自由度の把持姿勢を高精度かつ時間的に滑らかに生成し、未見物体の把持や動的把持を実現した研究。
- 未見物体の6D姿勢推定:ベンチマークとベースライン6D姿勢推定2022/6/1
訓練時に見ていない新規物体の6D姿勢を推定するタスクを提案し、実画像と合成画像を含むデータセットと新しい評価指標IADDを構築した。2段階のベースライン手法も提案し、その有効性を実験で示した。
- TransCG: 透明物体の深度補完のための大規模実世界データセットと把持ベースライン透明物体深度補完2022/2/1
透明物体の深度補完用に130シーン・57,715枚のRGB-D画像からなる大規模実世界データセットを構築し、RGB画像と不正確な深度から高精度深度を推定するエンドツーエンドネットワークと把持実験を示した論文。
- SuctionNet-1Billion:吸引把持のための大規模ベンチマーク吸引把持/ベンチマーク2021/3/1
吸引把持の成否を評価する新しい物理モデルと大規模実世界データセットのアノテーション手法、連続空間でのオンライン評価システムを提案し、RGB-D画像からの吸引把持姿勢予測手法の有効性を示した。
- RGBが重要:単眼RGBD画像から7自由度把持姿勢を学習する把持検出2021/3/1
RGBと深度を分離処理し、RGBから把持の3次元姿勢を予測、深度から把持幅と距離を解析的に求めることで、ノイズに頑健な7自由度把持検出を実現した。
- GraspNet:物体把持のための大規模クラスタ・高密度注釈データセット把持2019/12/1
クラスタ状の物体把持のための大規模RGBDデータセットと、解析計算で把持成功を直接評価できる統一評価システムを構築した論文。
