Haozhi Qi
Amazon FAR
収録論文 28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
- 物体中心学習で両腕の器用さを引き出すSimDuoReal両腕マニピュレーション2026/11/7
物体中心の単純な報酬で両腕ロボットの強化学習を行い、把持前操作や持ち替えなどの複雑な協調動作が自然に獲得できることを示し、実機で76.3%の成功率を達成した。
- 力に反応するヒューマノイドの移動操作を学習するフレームワークFLORE移動操作2026/10/26
力覚付きハンドヘルドグリッパとウェアラブルトラッカーで実演を収集し、視覚・固有感覚・力覚を入力とする拡散ポリシーと力追従型全身コンプライアンス制御で、両手と全身の接触力を協調させるヒューマノイドの移動操作を実現した。
- DexPort:巧みなハンドのデータ収集のための携帯型スキルインターフェースマニピュレーション2026/10/23
同じハンドハードウェアを収集と展開の両方に用い、少数のスキル選択で指関節を協調させて高自由度ハンドの実演データを収集する携帯型インターフェースを提案し、行動クローニングで視覚運動方策を学習した。
- 力変調巧緻性:接触の多い操作のための統一的コンプライアンスマニピュレーション2026/10/12
接触を伴う巧緻な操作において、動作と接触力を統一的に扱うコンプライアンス制御手法FOMO-Dexを提案し、カードピッキングや紙切り、ネジ締め、ナット・ボルト組立で過剰な接触力を低減し、教示データの質と方策学習の成功率を向上させた。
- GOTT: 再利用可能なクロスエンボディメントプリミティブによる物体中心の器用マニピュレーションマニピュレーション2026/10/2
ロボットに依存しない物体軌道と到達仕様から、多指ハンドで安定した接触を確立し物体運動を追従する再利用可能なプリミティブを提案し、多様なハンド形態で頑健な接触とタスク成功率の向上を示した。
- 再構成・練習・実世界展開:身体性エージェントのためのガイド付き自己改善マニピュレーション2026/10/1
オフラインデータから操作タスクを抽出し、シミュレーションで練習して失敗を診断しながらスキルとプロンプトを自己改善し、実機で高い成功率を達成するフレームワークRPGを提案。
- 形態模倣:形態と接触を考慮したハンドリターゲティングからSim-to-Real視覚運動ポリシーへsim2real2026/9/23
人間の手と物体の相互作用を、形態最適化・残差強化学習・視覚運動ポリシー蒸留の3段階でロボットハンドに転移し、ゼロショットで実世界に展開するフレームワークを提案。
- 巧みな操作のための最小限のリターゲティング誘導強化学習レシピマニピュレーション2026/7/1
人間のデモ1つから、リターゲティングと強化学習を組み合わせて多指ロボットハンドの器用な操作ポリシーを学習し、実機にゼロショット転送する手法を提案した。
- ForceBand: sEMGを用いた力強い操作の学習マニピュレーション2026/6/1
筋電位センサを搭載したリストバンドで人間の指先の力を推定し、力情報を含むデモンストレーションを生成してロボットの力制御を学習する手法を提案した。
- HandelBot: 巧みなロボット政策の高速適応による実世界ピアノ演奏マニピュレーション2026/3/1
シミュレーションで訓練した多指ハンド政策を、構造的調整と残差強化学習の2段階で実機に高速適応させ、両手ピアノ演奏を実現した。
- SemanticFeels: ハンド内操作中の意味的ラベリング触覚2026/2/1
視覚と触覚から物体の形状と素材を同時に認識するため、ニューラル暗黙形状表現に意味的ラベリングを統合したフレームワークを提案し、多素材物体で平均79.87%の素材分類精度を達成した。
- 選択ポリシーによる協調型ヒューマノイドマニピュレーションマニピュレーション2025/12/1
モジュール式遠隔操作で収集したデータを用い、複数の候補行動を生成・評価する模倣学習「Choice Policy」でヒューマノイドの全身協調マニピュレーションを実現した。
- OSMO: 人間からロボットへの技能転移のためのオープンソース触覚グローブ触覚2025/12/1
人間とロボットの両方が同じ触覚グローブを装着し、人間の触覚データから直接ロボット政策を学習することで、接触を伴う拭き取り作業を72%の成功率で実現した。
- 不完全なシミュレーションから器用な操作スキルを学習するsim2real2025/12/1
シミュレーションで学習した方策をテレオペレーションのスキルプリミティブとして使い実世界の触覚・固有感覚データを収集し、触覚入りの行動クローニングでナット締めやネジ回しを実現するsim-to-realフレームワークを提案。
- スマートレンズから器用さを獲得:日常環境での人間デモによる多指ロボットマニピュレーションマニピュレーション2025/11/1
Aria Gen 2グラスで日常環境の人間の手の動きを収集し、ロボットデータなしで多指ハンドの3D点ベース方策を学習するフレームワークAINAを提案。
- SPIDER: スケーラブルな物理情報に基づく巧みなリターゲティングリターゲティング2025/11/1
人間の運動データを物理シミュレーションでロボットの動的に実行可能な軌道に変換し、大規模な巧みな操作ポリシー学習を可能にするフレームワークを提案。
- 単純な技能から複雑な技能へ:ハンド内物体再配向の事例マニピュレーション2025/1/1
既存の回転スキルを再利用した階層的方策により、シミュレーションから実世界への転移が容易で外乱に頑健なハンド内物体再配向を実現し、固有感覚情報と低レベルスキル予測から物体姿勢を推定する手法も提案した。
- 人工多モーダル指先による触覚のデジタル化触覚2024/11/1
高解像度センサとオンデバイスAIを備えた半球状の人工指先を開発し、触覚・振動・熱・匂いを多モーダルに検出できることを示した論文。
- 動画からの手と物体のインタラクション事前学習マニピュレーション2024/9/1
野生の動画から人間の手と物体の3D軌道を抽出し、ロボットの操作スキルを事前学習する手法を提案。生成モデルで汎用的な操作の事前分布を獲得し、下流タスクへの適応を効率化する。
- ペンを回す学習から得られた教訓マニピュレーション2024/7/1
シミュレーションで強化学習と軌道データを生成し、実世界で微調整することで、ペンのような物体を手の中で回転させる技能を習得した研究。
- せん断力と垂直力を感知する触覚スキンを用いた手内平行移動の学習触覚2024/7/1
触覚スキンのセンサモデルを提案し、せん断力と垂直力を用いた強化学習方策で手内での物体操作を実現、実機実験で有効性を示した。
- 視触覚データを用いた双腕多指ハンドによる技能学習マニピュレーション2024/4/1
低コストな双腕多指ハンドの遠隔操作システムHATOを開発し、触覚センサ付き義手を転用して視触覚データを収集、長期的で高精度なタスクを学習させた。
- 両手でキャップをひねり開ける:双腕多指ハンドのsim-to-real強化学習sim2real2024/3/1
シミュレーションで深層強化学習を用いて訓練した双腕多指ハンドの制御方策を、物理モデリング・実時間知覚・報酬設計の工夫により実世界へ効率的に転移し、多様な未見のボトルキャップを両手でひねり開ける動的で器用な動作を実現した。
- 触覚を感じるニューラルフィールド:ハンド内操作のための視触覚知覚マニピュレーション2023/12/1
視覚と触覚を組み合わせ、ニューラルフィールドをオンライン学習して物体の形状と姿勢を推定する手法NeuralFeelsを提案。ハンド内操作中の遮蔽に強く、視覚のみより最大94%の追跡改善を実現。
- 視覚と触覚による汎用的な手先内物体回転マニピュレーション2023/9/1
シミュレーションで学習した視触覚融合トランスフォーマーにより、指先で多軸の物体回転を実現するシステムRotateItを提案した。
- 触覚から外部接触を知覚することで挿入ポリシーの学習が改善する触覚2023/9/1
グリッパと物体間の触覚から物体と環境の外部接触を推定するNCFを改良し、実機で機能するようにして挿入タスクのポリシー学習に用いたところ、成功率と速度が向上した。
- 高速運動適応による把持内物体回転マニピュレーション2022/10/1
シミュレーションで訓練した適応制御器が、実機のロボットハンドで多様な物体を把持内で回転させる手法を提案。
- 視覚と固有感覚を融合した脚式ロボットのナビゲーション歩行ナビゲーション2021/12/1
視覚と固有感覚の相補性を活かし、脚式ロボットが歩行能力を考慮した経路計画を行う点ゴールナビゲーションシステムVP-Navを開発した。
