Juan Aparicio Ojea
収録論文 8本 ・ フィジカルAI/ロボット学習
能動的知覚sim2realマニピュレーション強化学習/マニピュレーション組立/強化学習
※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
- ベイズフィルタによる能動的知覚を用いたロボットプロセス監視の情報収集能動的知覚2020/5/1
ベイズフィルタ(時変カルマンフィルタ)を用いて能動的知覚システムの情報獲得と外挿を行い、製造プロセスの監視・意思決定の質を高める手法を提案し、積層造形を例に物理実験で実証した論文。
- メタ強化学習による産業用ロボット挿入タスクの実世界適応sim2real2020/4/1
シミュレーション上で多様な挿入タスクをメタ強化学習で学習し、実世界では20回未満の試行で方策を適応させて産業用挿入作業を成功させた研究。
- UniGrasp:多指ロボットハンドのための統合把持学習モデルマニピュレーション2019/10/1
物体の点群とハンドの属性を入力とし、力閉包かつ到達可能な接触点集合を予測することで、多様な多指ハンドに転移可能な把持合成を実現した。
- 視覚入力と自然な報酬による産業用挿入タスクの深層強化学習マニピュレーション2019/6/1
視覚入力とスパース報酬や目標画像といった自然な報酬設定の下で、強化学習に古典的制御器やデモンストレーションの事前情報を組み合わせることで、産業用挿入タスクを現実的な試行回数で解けることを示した論文。
- 可変インピーダンス制御と強化学習による高精度ロボット組立マニピュレーション2019/3/1
作業空間の力・トルク情報を強化学習に組み込み、可変インピーダンス制御と組み合わせることで、きつい嵌合の歯車組立を高精度に実現する手法を提案した。
- 残差強化学習によるロボット制御強化学習/マニピュレーション2018/12/1
従来のフィードバック制御で解ける部分と、接触や摩擦を含む残差部分を強化学習で解き、両者を重ね合わせて実世界のブロック組立タスクを成功させた。
- CAD情報を活用したロボット組立の強化学習組立/強化学習2018/3/1
CADデータから得られる幾何学的情報で強化学習を誘導し、接触の多い高精度な組立作業を自律的に学習させる手法を提案した論文。
- 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。
