Johann Huber
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
※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
- Placeit!:ロボットの物体配置スキルを学習するフレームワークマニピュレーション2025/10/1
進化的計算と品質多様性最適化を用いて、剛体物体の多様で有効な配置姿勢を自動生成するフレームワークを提案し、実世界のピック&プレースで90%の成功率を達成した。
- QDGset: 品質多様性アルゴリズムで生成した大規模把持データセットマニピュレーション2024/10/1
品質多様性(QD)アルゴリズムを拡張し、メッシュ変換と転移学習を組み合わせることで、従来より約3.5倍の把持姿勢と4.5倍の物体を含む大規模な6DoF把持データセットを効率的に生成した。
- 品質多様性で6自由度把持サンプリングを高速化マニピュレーション2024/3/1
品質多様性アルゴリズムと事前知識を組み合わせ、シミュレーション上で多様な6自由度把持姿勢を効率的に生成し、実機への転移可能性も示した。
- ロボティクス向けプラグアンドプレイ視覚ベース把持モジュールの実現に向けてマニピュレーション2023/10/1
多様な把持軌道を生成するQDアルゴリズムと6DoF物体検出・追跡を組み合わせ、異なるマニピュレータに容易に転移できる視覚ベース把持フレームワークを提案した。
- 把持データセットのSim2real転移に向けたドメインランダム化sim2real2023/10/1
自動生成した7000以上の把持軌道を実機で検証し、ドメインランダム化に基づく品質指標とsim-to-real転移性の相関を分析。QD手法で転移率84%を達成した。
- E2R: 階層学習に着想を得た新規性探索による多様な把持軌道リパートリーの生成マニピュレーション2022/10/1
階層学習の考え方を取り入れ、接近と把持を分離した新規性探索ベースの手法で、様々なロボット・グリッパに適用可能な多様な把持軌道データセットを生成する。
