Jeffrey Mahler
収録論文 6本 ・ フィジカルAI/ロボット学習
マニピュレーションsim2real把持計画模倣学習
※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
- ロボットビンピッキングにおける連続失敗を減らす非マルコフ方策マニピュレーション2020/7/1
同じ把持失敗を繰り返す物体(連続失敗物体)を分類し、過去の失敗を記憶して次の行動を変える非マルコフ方策を3つ提案。シミュレーションと実機実験で、マルコフ方策より連続失敗率と時間当たり成功ピック数(MPPH)が大幅に改善した。
- 最小仕事:変形可能な中空物体のための把持品質指標マニピュレーション2019/9/1
ペットボトルやカップのような変形可能な中空物体を、液体をこぼさず壊さず把持するための新しい把持品質指標「最小仕事」を提案し、実機実験で従来指標より高い精度を示した。
- 合成深度画像で学習したMask R-CNNによる未知3D物体のセグメンテーションsim2real2018/9/1
3D CADモデルのシミュレーションから合成深度画像データセットを自動生成し、ドメインランダム化を施したMask R-CNNを学習することで、手ラベルなしで未知物体のインスタンスセグメンテーションを実現した。
- Dex-Net 3.0:新しい解析モデルと深層学習による点群中のロバストな吸引把持目標の計算把持計画2017/9/1
吸引カップと対象表面のシール品質と重力に抗する把持の安定性を評価する接触モデルを提案し、280万件の点群・吸引把持・ロバスト性ラベルからなるデータセットでGQ-CNNを訓練して、実機で高い把持成功率を達成した。
- Dex-Net 2.0:合成点群と解析的把握指標によるロバスト把持計画の深層学習マニピュレーション2017/3/1
670万件の合成点群データで把持品質を予測する畳み込みニューラルネットを訓練し、深度画像から0.8秒で93%の成功率の把持計画を実現した。
- ロボット深層学習における人間中心サンプリングとロボット中心サンプリングの比較模倣学習2016/10/1
ロボットの深層学習によるデモンストレーション学習で、人間が教示するHCサンプリングとロボットの実行に人間が修正ラベルを付けるRCサンプリングを、グリッドワールドと実機の物体分離タスクで比較した論文。
