Ivan Kapelyukh
収録論文 7本 ・ フィジカルAI/ロボット学習
sim2realマニピュレーション物体配置配置計画
※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
- 生成的なReal-to-Simによるロボットマニピュレーションのためのテスト時空間推論sim2real2026/9/27
単一のRGB-D画像から3D生成モデルと視覚言語モデルでシミュレーション可能なシーンを再構築し、数千の並列物理シミュレーションと進化的探索によって物体配置を最適化する、訓練不要のテスト時空間推論フレームワークを提案。
- ZeroBot:生成的Real2Simで数分でゼロから学習sim2real2026/9/27
単一視点画像から画像to3D生成モデルで物体メッシュを作り、シミュレーションで並列強化学習を行い、実機タスクを数分で学習するフレームワーク。
- AnyTask: Sim-to-Realポリシー学習を進めるための自動タスク・データ生成フレームワークsim2real2025/12/1
GPUシミュレーションと基盤モデルを組み合わせ、多様なマニピュレーションタスクの設計から専門家デモ生成、実機転移までを自動化するフレームワークを提案。生成データで学習したポリシーが実機で平均44%の成功率を達成。
- Dream2Real: 視覚言語モデルによるゼロショット3D物体再配置マニピュレーション2023/12/1
ロボットがシーンの3D表現を構築し、仮想的に物体を再配置してその画像を視覚言語モデルで評価することで、訓練データなしに言語指示に沿った物体の再配置を実現するフレームワーク。
- SceneScore: 物体配置のためのコスト関数学習物体配置2023/11/1
画像のみから物体配置の望ましさを評価するコスト関数をエネルギーベースモデルとグラフニューラルネットで学習し、欠損物体の姿勢予測や新規物体への汎化、制約付き配置生成を可能にした。
- DALL-E-Bot: ウェブスケール拡散モデルをロボティクスへ導入マニピュレーション2022/10/1
DALL-Eを使って物体の自然な配置画像を生成し、その画像に従ってロボットが物体を片付けるゼロショット手法を提案。
- 我が家のルール:グラフニューラルネットワークで片付けの好みを学習する配置計画2021/11/1
ユーザーの片付け方の例からグラフニューラルネットワークを用いたVAEで好みの潜在ベクトルを抽出し、その人好みの配置を生成する手法NeatNetを提案した論文。
