Haonan Chang
収録論文 15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
- 失敗予測でSim2Realリズミック挿入方策のロバスト性を向上sim2real2025/7/1
ナット回転や摩擦がある高精度な繰り返し挿入タスクに対し、シミュレーションで訓練した挿入方策と失敗予測モジュールを組み合わせ、失敗時に引き上げて再試行する回復機構を備えたSim2Realフレームワークを提案した。
- 動的シーン再構成のためのモーションブレンダーガウシアンスプラッティング動的シーン再構成2025/3/1
動画から動的シーンを再構成する際に、モーショングラフを明示的な動き表現として用い、ガウシアンスプラッティングと組み合わせてロボット応用可能な操作可能な再構成を実現した研究。
- ロボットマニピュレーションのための自己回帰行動系列学習マニピュレーション2024/10/1
ロボットの行動を系列データとして扱い、自己回帰的に生成するChunking Causal TransformerとAutoregressive Policyを提案し、多様なマニピュレーションタスクで有効性を示した。
- DAP: 拡散モデルによるマルチモーダル収納のためのアフォーダンス予測マニピュレーション2024/9/1
拡散モデルを使い、容器内の配置可能領域の特定と物体の相対姿勢推定を2段階で行うことで、複数の収納解が存在するマルチモーダルな収納タスクを高効率に解く手法を提案。
- UniAff:視覚言語モデルによる道具使用と関節物体操作のためのアフォーダンス統合表現マニピュレーション2024/9/1
道具と関節物体の操作を統一的に扱うため、アフォーダンス認識と3D運動制約の推論を視覚言語モデルで行う手法UniAffを提案し、シミュレーションと実世界で汎化性能を向上させた。
- 視覚的キネマティックチェーン予測によるマニピュレーション学習のスケーリングマニピュレーション2024/6/1
多様な環境でのロボット操作学習のため、準静的な動作を表す普遍的表現「視覚的キネマティックチェーン」を提案し、それを予測するTransformerモデルVKTで既存手法を上回る性能を示した。
- A3VLM: 動作可能な関節構造を理解する視覚言語モデルVLA2024/6/1
物体の関節構造と操作可能性を理解する視覚言語モデルを提案し、ロボットに依存しない表現から簡単な動作プリミティブでロボット動作に変換できることを示した。
- OVIR-3D: 3Dデータでの学習なしに開語彙3Dインスタンス検索を実現する手法3Dインスタンス検索2023/11/1
テキストクエリに基づき、3Dデータで学習することなく、2D領域提案を3D空間に融合して3D物体インスタンスを検索する手法を提案。
- オープン語彙3Dシーングラフによる文脈認識型エンティティグラウンディング3Dシーングラフ2023/9/1
自由記述のテキストクエリから物体・エージェント・領域を文脈に応じて3D空間に定位するオープン語彙3Dシーングラフを提案し、ロボットのナビゲーションとマニピュレーションで有効性を示した。
- LGMCTS: 言語誘導モンテカルロ木探索による実行可能な意味的物体再配置マニピュレーション2023/9/1
自然言語の指示に従って物体を再配置する計画を、姿勢生成と行動計画を同時にモンテカルロ木探索で解く手法を提案し、シミュレーションと実機で評価した。
- Mono-STAR: 単眼カメラによるシーン全体の追跡と再構成3D再構成2023/1/1
単眼カメラ映像から、高速運動・非剛体変形・トポロジー変化に対応しつつ、意味情報を統合したリアルタイム3D再構成を行うシステムを提案。
- 物体事前知識なしのシーン追跡・再構成シーン再構成2022/10/1
剛性やテクスチャ、カテゴリの事前知識なしに、シーン内の全ての可視物体を個別にリアルタイム追跡・再構成するシステムを提案した。
- カスケード属性ネットワーク:階層型ニューラルネットによる強化学習制御方策の分解強化学習2020/5/1
制御タスクの要求制約(属性)ごとに方策を階層的に分解するカスケード属性ネットワークを提案し、複数属性のタスクでもモジュールを組み合わせるだけでゼロショットに制御方策を得られることをロボット制御2例で示した。
- 密な clutter 環境における幾何整合性を考慮したシーン推定SLAM2020/3/1
物体レベルの幾何整合性スコアと幾何関係をSLAMに組み込み、密な clutter 環境でも物体ラベル・6D姿勢・空間関係を頑健に推定する手法を提案。
- 透明物体の山から把持姿勢を検出するプレノプティック法把持検出2019/9/1
ライトフィールドカメラを用いて透明物体が重なった山の中から把持可能な位置を推定するGlassLocを提案し、実機で把持実験を行った。
