Jianxiang Feng
収録論文 16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
- ConFlow: 制約誘導フローマッチングによる動作生成動作生成2026/7/1
フローマッチングに制約情報を学習目標へ直接組み込む枠組みを提案し、ロボット動作生成における衝突回避や軌道品質を向上させた。
- SPIRIT: 深層学習の不確実性下での堅牢なロボット操作のための知覚共有自律共有自律/遠隔操作2026/3/1
深層学習による知覚の不確実性に応じて自律度を調整する「知覚共有自律」を提案し、不確実な時は遠隔操作に切り替えることで、信頼性の高い操作を実現した。
- LensDFF: 言語強化スパース特徴蒸留による効率的な少数ショット巧みな操作マニピュレーション2025/3/1
言語強化した特徴融合で2D特徴を3D点に蒸留し、単視点の少数ショットで巧みな把持を可能にするフレームワークを提案。real2sim評価パイプラインも導入し、実世界で高性能を示した。
- FFHFlow: フロー変分推論による多様で不確実性を考慮した巧みな把持生成マニピュレーション2024/7/1
正規化フローを用いた変分推論により、部分点群から多様で不確実性を考慮した多指ハンドの把持を生成する手法を提案し、シミュレーションと実機で成功率と多様性を向上させた。
- DexGANGrasp: タスク指向操作のための巧みな生成的敵対的把握合成マニピュレーション2024/7/1
単一視点からリアルタイムに巧みな把持を生成・評価するGANベースの手法を提案し、MLLM/VLMと組み合わせてタスク指向把持を実現した。
- 言語誘導型オブジェクト中心拡散ポリシーによる汎化可能で衝突回避を考慮したロボットマニピュレーションマニピュレーション2024/7/1
言語指示と物体中心の3D点群を条件とする拡散ポリシーを学習し、推論時にコスト最適化を組み込むことで、未見環境でも衝突回避しながら操作を実現する手法を提案。
- 閉ループLLMプランナのための不確実性ベース失敗検出の評価VLA2024/6/1
MLLMの不確実性をトークン確率・エントロピー・自己申告信頼度で定量化し、閉ループLLMプランニングの失敗検出精度を比較評価した。
- ロボット学習における分布外検出のためのトポロジー整合正規化フロー分布外検出2023/11/1
正規化フローの基底分布を情報理論的目的で学習し、複雑な対象分布のトポロジーに整合させることで、ロボット学習における分布外検出精度を向上させた研究。
- 未知物体に対する多指動的把握マニピュレーション2023/10/1
視覚サーボ制御を用いた五指ハンドで、コンベア上の物体や人からの受け渡しなど動的な環境下で未知物体を把持するフレームワークを実機で実現した。
- 正規化フローによる密度ベースの実行可能性学習:内省的なロボット組立に向けて組立計画2023/7/1
ロボット組立順序計画において、実行可能な例のみから正規化フローを用いたOOD検出として実行可能性を学習し、実行不可能な組立を検出する手法を提案した。
- グラフ表現学習による効率的で実現可能なロボット組立順序計画組立計画2023/3/1
製品組立をグラフで表現し、GRACEという方策ネットワークで実現可能な組立順序を段階的に予測する手法を提案。二腕ロボットのシミュレーションで有効性を示した。
- 物体姿勢推定と能動学習によるVR遠隔操作:空中マニピュレーションを実現するテレプレゼンスロボット空中マニピュレーション2022/10/1
LiDAR・カメラ・IMUと触覚デバイス、VRインターフェースを組み合わせ、空中マニピュレーションロボットの遠隔操作を可能にするテレプレゼンスシステムを提案。物体姿勢推定と能動学習により動的環境での把持・配置を実現した。
- ベイズ能動学習によるSim-to-Realロボット知覚sim2real2021/9/1
ベイズニューラルネット物体検出器の不確実性を利用し、実データのアノテーション対象を自動選択することで、Sim-to-Real学習における人手ラベル付けコストを大幅に削減する手法を提案した。
- ロボットを信頼せよ!スパースガウス過程によるニューラルネットワークの予測不確実性推定不確実性推定2021/9/1
DNNをスパースガウス過程の混合専門家として理論的に位置づけ、ロボットタスクで高速かつ信頼性の高い予測不確実性推定を実現した研究。
- ベイズニューラルネットワークの平滑化予測によるロボットの内省的知覚物体認識/不確実性推定2021/9/1
ベイズNNの不確実性推定を改善し、CRFの単項ポテンシャルや半教師ありドメイン適応に活用してロボットの物体認識精度を向上させた研究。
- スパース情報形式によるニューラルネットワークのモデル不確実性推定不確実性推定2020/6/1
情報行列のスペクトルが疎になりやすい性質を利用し、低ランク近似と新たなスパース化アルゴリズムでDNNのモデル不確実性を効率的に表現・サンプリングする手法を提案した。
