Iretiayo Akinola
収録論文 31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
- AlphaNIST: 二値タスク報酬から創発する組立スキルマニピュレーション2026/10/9
NIST組立タスクボードの全20タスクを、デモや密な報酬なしの二値報酬のみで学習し、98.2%の成功率を達成した強化学習手法。
- 世界モデルによる汎化可能なロボット挿入マニピュレーション2026/9/23
手首カメラの視覚と固有感覚を統合した単一の世界モデルを最大90の挿入タスクで訓練し、未知形状の物体へのゼロショット挿入を実現した研究。
- SILO: マルチステージケーブル配線のためのシミュレーション・イン・ザ・ループによるSim-to-Real転移sim2real2026/7/1
GPU並列シミュレーションで学習したRLポリシーを実世界の多段階ケーブル配線タスクに転移するフレームワークを提案し、成功率向上とサイクルタイム半減を実現した。
- SPARR: 実世界の非対称残差を組み合わせたシミュレーション方策による組立sim2real2026/2/1
シミュレーションで訓練した基本方策と実世界で学習する残差方策を組み合わせ、sim-to-realギャップを埋めて組立タスクの成功率とサイクルタイムを改善した手法。
- Isaac Lab:マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワークsim2real2025/11/1
GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。
- ロボティクスにおけるリアルギャップ:課題・解決策・ベストプラクティスsim2real2025/10/1
シミュレーションと実環境の差異(リアルギャップ)の原因・解決手法・評価指標を体系的に整理したサーベイ。sim-to-real転移の現状と課題を概観する。
- VT-Refine: 視触覚フィードバックによる両手組立のシミュレーション微調整学習マニピュレーション2025/10/1
少数の実演と高忠実度の触覚シミュレーションを組み合わせ、強化学習で両手組立ポリシーを微調整することで、接触の多い精密作業の実世界性能を向上させた研究。
- Refinery: 接触の多いタスク向け能動的ファインチューニングと展開時最適化マニピュレーション2025/10/1
ベイズ最適化によるファインチューニングとGMMベースの初期化選択で、接触の多い組立タスクの成功率を91.51%まで向上させ、多部品の長期組立も可能にした。
- ニューラルロボットダイナミクスsim2real2025/8/1
関節剛体ロボットの接触を考慮したダイナミクスを学習し、解析シミュレータの低レベルソルバを置き換える汎用ニューラルシミュレータNeRDを提案。
- SRSA: ロボット組立タスクのためのスキル検索と適応マニピュレーション2025/3/1
既存のスキルライブラリから新タスクに最も適したスキルを検索し、微調整することで、接触の多い組立タスクをデータ効率的に学習するフレームワークを提案。
- MatchMaker: ロボット組立のための組立アセット自動生成sim2real2025/3/1
干渉するアセットペアをシミュレーション可能なペアに変換し、単一アセットから嵌合する相手を生成し、接触面を侵食して現実的な部品を作るパイプラインを提案。生成データは多様性と組立スキル学習の有効性で従来手法を上回る。
- FORGE: 不確実性下での接触の多いマニピュレーションのための力誘導探索sim2real2024/8/1
力閾値とダイナミクスランダム化を組み合わせてシミュレーションで学習し、姿勢の不確実性がある実機でも力に基づいて接触の多い作業を安全に遂行できる方策を実現した。
- TacSL: 視触覚センサのシミュレーションと学習のためのライブラリ触覚2024/8/1
GPUベースで視触覚センサを高速シミュレーションし、触覚ベースの強化学習を可能にするライブラリTacSLと、sim-to-real転移のための新アルゴリズムAACDを提案した。
- AutoMate: 多様な形状に対応する専門家・汎用組み立てポリシーマニピュレーション2024/7/1
100種類の組み立てタスクのデータセットと並列シミュレーション環境を構築し、部品特化型と汎用型の組み立てポリシーを学習。シミュレーションから実機へのゼロショット転移を実現した。
- シグネチャと動的計画法の融合:軌道追従のためのベルマン方程式の一般化制御/軌道追従2023/12/1
パスシグネチャを用いてベルマン方程式を軌道空間に一般化し、適応的な時間ステップやモデル誤差に頑健な軌道追従のための制御フレームワークを提案した。
- MimicGen:人間のデモンストレーションからスケーラブルなロボット学習を実現するデータ生成システム模倣学習2023/10/1
少数の人間デモを新しい状況に適応させて大規模データセットを自動生成し、模倣学習によるロボットの長期的・高精度タスクの性能を向上させるシステムを提案。
- 仮想ロボットの過去行動を要約・質問応答する学習VLA2023/6/1
自己中心視点の動画から仮想ロボットの行動系列を自然言語で要約し、質問に答える単一モデルを訓練した。
- IndustReal: 接触の多い組立タスクをシミュレーションから現実へ転移sim2real2023/5/1
強化学習とシミュレーションを活用し、接触の多いピック・配置・挿入タスクを実世界のロボットで再現可能にした研究。
- Factory: ロボット組立のための高速接触シミュレーション環境sim2real2022/5/1
接触の多い組立作業をリアルタイム以上でシミュレーションできる物理エンジンと学習ツール群を提案し、ナットとボルトの組立を強化学習で実証した。
- 人間からロボットへの円滑な受け渡しのためのモデル予測制御物体受け渡し2022/4/1
人間から物体を受け取る際のロボットの滑らかな動作を、知覚と制約を統合したモデル予測制御で生成し、把持候補選択や接触検出も組み合わせて実機実験で有効性を示した論文。
- 支援型テレオペレーション:Transformerを活用したロボットタスク実演の収集テレオペレーション2021/12/1
VR上でロボットの自律軌道予測を表示しつつ、任意のタイミングで人間が介入できるテレオペレーションシステムを提案し、Transformerによる未来予測で実演収集を高成功率かつ容易にした。
- 幾何学的ファブリック:古典力学を一般化し行動の物理を捉える制御理論2021/9/1
古典力学をフィンスラー幾何学へ拡張し、安定性を保ちながら挙動を設計できる新たな制御理論「幾何学的ファブリック」を提案し、RMPを上回る性能をロボット実験で示した。
- マルチビュー視覚による閉ループ腕動作生成のための残差強化学習マニピュレーション2021/3/1
ゴール到達用の強化学習方策をベースに、複数視点画像から学ぶ残差行動で障害物回避を実現し、腕の閉ループ軌道生成を高成功率で行う手法を提案した。
- 到達可能性と運動を考慮した動的グラスピングマニピュレーション2021/3/1
ロボットの到達可能性を符号付き距離場でモデル化し、対象物の運動を考慮した把持品質をニューラルネットで予測することで、動く物体に対するリアルタイム把持計画を実現した研究。
- ロボット学習のための視覚アーキテクチャ自動探索マニピュレーション2021/3/1
ロボットマニピュレーション学習において、低次元の行動入力と高次元の視覚入力を組み合わせるニューラルアーキテクチャを自動探索する手法を提案し、実機で把持性能を6%向上させた。
- 能動学習でBCIヒューマンフィードバックを最大化するヒューマンフィードバック/能動学習2020/8/1
ロボットの不確実性に基づいて人間への問い合わせを能動学習で選び、複数バッファ機構でノイズ耐性と破滅的忘却を防ぎつつ、少ないフィードバックで障害物回避を伴う3D到達タスクを学習させる手法を提案した。
- 未校正マルチカメラによる精密3Dマニピュレーション学習マニピュレーション2020/2/1
校正不要な複数の固定RGBカメラ映像から、点群などの明示的な3D表現を用いずにエンドツーエンドで精密な3D操作を学習する手法を提案し、積み重ねや挿入タスクで単一視点を上回る性能を示した。
- 脳波信号によるロボット学習の加速強化学習/BCI2019/10/1
人間の脳波から得られる誤り評価信号を強化学習の報酬形成に利用し、疎な報酬環境でのロボットナビゲーション学習を加速させる手法を提案した。
- 深層強化学習による多指適応型触覚把持触覚2019/9/1
触覚と固有感覚を用いた深層強化学習方策で、粗い初期位置から多指ハンドの微調整と再把持を行い、シミュレーションのみで学習して実機に転移する触覚閉ループ把持手法を提案。
- 混雑環境での多指把持のためのピクセル注意方策勾配法マニピュレーション2019/3/1
深度画像のピクセル空間で多指ロボットの把持方策を強化学習し、ピクセルから実空間への対応付けで実機に高忠実度で転移。混雑環境での把持成功率を高める新たな注意機構を導入した。
- ワークスペースを考慮したオンライン把持計画マニピュレーション2018/6/1
オフラインで構築したエンドエフェクタ姿勢の到達可能性データベースを用いてオンライン把持計画をバイアスし、到達可能な把持の割合・成功率を高め計画時間を短縮するフレームワークを提案。
