Jürgen Leitner
収録論文 19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
- 深層学習による把持合成のレビューマニピュレーション2022/7/1
過去10年のロボット把持研究を体系的に調査し、6自由度把持のための4つの主要手法と2つの支援手法を整理したレビュー論文。
- 勾配をたどれ:微分可能物理で現実ギャップを越えるRealityGradsim2real2021/9/1
微分可能物理と実機ロールアウトを組み合わせ、sim2real転送とreal2simモデル最適化を反復的に行う手法を提案。実機マニピュレータの動的制御で誤差を2/3削減し、1反復22分未満で効率的に現実ギャップを縮めることを示した。
- 多様性と再現性を目指したロボット把持用データセットEGAD把持2020/3/1
ロボットの視覚的把持検出アルゴリズムの学習・評価用に、形状が多様な2000以上の物体を生成したデータセットEGADを構築し、再現可能な評価のための3Dプリント可能な49物体も提供した。
- 任意の将来タスクを固定バッチ学習するためのタスク非依存探索の評価強化学習/探索2019/11/1
ロボティクスでオフライン学習に使う固定データセットを効率よく作るため、代表的な探索手法を比較評価し、シミュレーション3タスクと実機高次元ロボットアームで検証した。
- 実世界データセットによるシミュレーションロボットマニピュレーションのベンチマークsim2real2019/11/1
実世界の正解データセットを配布し、シミュレーション環境が実世界のマニピュレーション結果を再現できるかを評価するベンチマークを提案し、PyBulletとV-Repに適用した。
- マルチモーダル変分オートエンコーダによる能動的センシング学習のための知覚環境設計能動的センシング2019/11/1
マルチモーダル変分オートエンコーダと環境の相互作用からエージェントが行動できる知覚環境を構築し、好奇心駆動学習と比較した。
- Ctrl-Z:強化学習の不安定性からの回復強化学習2019/10/1
学習中のエージェントの履歴を保持し、性能が大きく低下したら過去のパラメータに戻すことで、強化学習の不安定な学習を安定化させる手法を提案した論文。
- ロボットマニピュレーションにおける現実ギャップの定量化sim2real2018/11/1
Kinovaアームとモーションキャプチャで実機の正解データを取得し、複数のシミュレータを比較して現実との乖離を定量的に評価した。
- 潜在空間表現に基づく異種分散知覚の協調群制御2018/9/1
マルチモーダルVAEの共有潜在空間を用いて、異なるセンサを持つロボット間で検出情報を交換し、DQNで不確実性を最小化するよう協調行動を学習する手法を提案した。
- マルチビュー・ピッキング:混雑環境での把持成功率を高める次善視点選択マニピュレーション2018/9/1
把持姿勢の推定分布に基づいてリアルタイムに情報量の多い視点を選ぶ能動的知覚手法を提案し、混雑環境での把持成功率を単一視点より12%向上させた。
- ロボティクスにおける深層学習の限界と可能性深層学習2018/4/1
ロボット特有の学習・推論・身体性の課題を整理し、評価指標やシミュレーション学習、データ駆動とモデル駆動の融合の重要性を論じた展望論文。
- ロボット把持のループを閉じる:リアルタイム生成型把持合成アプローチマニピュレーション2018/4/1
深層画像から各画素で把持の品質と姿勢を直接予測する軽量な畳み込みネットワーク(GG-CNN)を提案し、最大50Hzの閉ループ制御で動く物体や制御誤差がある環境でも高精度な把持を実現した。
- 敵対的識別による視覚運動方策のsim-to-real転移sim2real2017/9/1
ラベル付き実画像を必要とせず、敵対的学習でシミュレーションから実環境へ視覚運動方策を転移し、ラベル付き実データ要件を半減させた。
- 重み付き損失によるモジュラーネットワークの微調整で手眼協調を改善マニピュレーション2017/5/1
独立に学習したモジュールからなる視覚運動ポリシーを、重み付き損失でエンドツーエンドに微調整し、ロボットの平面リーチングタスクの性能を向上させた。
- 深層ニューラルネットワークによるビジュアルサーボビジュアルサーボ2017/5/1
単一の実画像から遮蔽や照明変動を模擬したデータセットを生成し、CNNで2画像間の相対姿勢を推定して6自由度ビジュアルサーボを高精度に実現した。
- 視覚的予測による行動学習:人間の実演からロボットへ模倣学習2017/3/1
人間の視覚的な状態遷移のみから行動結果を予測するモデルを学習し、ロボットが卓上物体操作タスクを実演通りに実行できる手法を提案した。
- 視覚運動ポリシーのsim-to-real転送のためのモジュラーディープQネットワークsim2real2016/10/1
知覚と制御の間にボトルネックを設けて別々に学習し、統合・微調整することで、シミュレーションで学習した視覚誘導ロボットポリシーを実機へ高精度に転送する手法を提案した。
- 再現可能なロボット棚ピッキングベンチマークAPBピッキング/ベンチマーク2016/9/1
42個の物体と棚を使い、知覚から把持まで含む完全なロボットシステムを比較できる再現性の高い棚ピッキングベンチマークを提案し、Baxterロボットによるベースライン結果を報告した。
- 視覚のみでロボットアームを制御する深層強化学習sim2real2015/11/1
生のカメラ画像だけから3関節ロボットアームの目標到達動作を深層強化学習(DQN)で学習させ、シミュレーションでは成功したが実機への単純な転移は失敗し、合成画像に置き換えると機能することを示した。
