Jingzhou Liu
収録論文 7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
- Synthetica: ロボット知覚のための大規模合成データsim2real2024/10/1
フォトリアルなレイトレーシングで270万枚の合成画像を生成し、ロボットの物体検出を高精度・リアルタイム(50-100Hz)で行う手法を提案。
- ORBIT-Surgical: 手術支援巧緻性学習のためのオープンシミュレーションフレームワークsim2real2024/4/1
NVIDIA Omniverse上でdVRKとSTARロボット向けに14の手術タスクを提供し、強化学習・模倣学習による手術スキル向上とsim-to-real転移を可能にする物理ベースの手術ロボットシミュレータを開発した。
- 複数エンボディメントのための幾何マッチングによる把持マニピュレーション2023/12/1
物体とエンドエフェクタの幾何表現をグラフニューラルネットで学習し、複数のエンドエフェクタに対応した多様な把持を生成する手法GeoMatchを提案した。
- HandyPriors: 微分可能な事前分布による物理的に整合した手と物体のインタラクション知覚姿勢推定2023/11/1
微分可能な物理とレンダリングを活用し、手と物体の姿勢推定を統一的に行うパイプラインを提案。最適化ベースとフィルタリングベースの2手法を実現し、接触情報の予測やロボットハンド操作への応用も示した。
- Fast-Grasp'D: 微分可能シミュレーションによる多指巧み把持生成マニピュレーション2023/6/1
微分可能な把持シミュレータFast-Grasp'Dを開発し、3種のロボットハンド向け100万件の多指把持データセットGrasp'D-1Mを生成。既存手法より高速で安定な把持を実現し、視覚ベース把持モデルの性能を大幅に向上させた。
- Orbit: インタラクティブロボット学習環境のための統合シミュレーションフレームワークsim2real2023/1/1
NVIDIA Isaac Simを基盤に、フォトリアルなシーンと高忠実度の剛体・変形体シミュレーションを備えたモジュール式ロボット学習フレームワークOrbitを提案。GPU並列化により強化学習やデモ収集を高速化し、16のロボット、4種のセンサ、20以上のベンチマークタスクを提供する。
- DeXtreme: シミュレーションから現実への俊敏なハンド内マニピュレーションの転移sim2real2022/10/1
強化学習で訓練した多指ハンドの巧みな操作方策と物体姿勢推定器を、シミュレーションから実機へ転移させ、視覚ベースの方策で既存手法を上回る再配向タスクを実現した。
