Jurgen Leitner
収録論文 9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
- 合成観測によるロボット方策推論の改善VLA2023/11/1
拡散モデルで推論時の観測を事前学習済み方策の分布に合わせて変換し、追加学習なしで未知物体へのゼロショット適応性能を最大57%向上させた。
- 移動中のリアクティブなモバイルマニピュレーションのためのアーキテクチャマニピュレーション2022/12/1
ロボットのベースが移動しながらマニピュレーションを行うための汎用アーキテクチャを提案し、実機で99%以上の成功率を達成した。
- 高解像度触覚センシングを統合した把持安定性予測触覚2022/6/1
視覚・深度・高解像度触覚を組み合わせて把持安定性を予測するニューラルネットをTACTOシミュレータで訓練し、既知物体では高精度だが未知物体への汎化が課題であることを示した。
- 動的把握のための再現可能なオープンソースベンチマークDGBench動的把握/ベンチマーク2022/4/1
ロボットと物体の相対運動が予測不能な環境での動的把握を評価する再現可能なベンチマークを提案し、複数の視覚構成を比較してマルチカメラのeye-in-hand構成が成功率を大幅に向上させることを示した。
- 深層強化学習による狭い隙間の通過sim2real2021/3/1
ロボットが数cm単位の狭い隙間を接触を許容しながら通過するための強化学習ポリシーをシミュレーションで学習し、実機の大型クローラロボットで検証した論文。
- 移行準備ポリシーの学習:移動行動間の信頼性の高い切り替え歩行2021/1/1
事前学習済みの歩行ポリシー間を橋渡しする「セットアップポリシー」を学習し、難所地形での行動切り替え成功率を大幅に向上させた研究。
- 切り替えタイミングを学習する:地形系列を踏破するためのコントローラ合成歩行2020/11/1
各 terrain 用にカリキュラム学習で個別の DRL ポリシーを訓練し、ポリシー間の重複領域を確保した上で、切り替え成功率を推定するネットワークを学習して未知の地形系列でヒューリスティックより良い切替を実現した。
- 1時間の実機経験だけで任意の目標に合わせた布畳みを学習変形物体マニピュレーション2020/10/1
自己教師ありの実機ロボット経験わずか1時間で、シミュレーションや人間の教示なしに、目標画像を与えるだけで任意の布畳み動作を学習する手法を提案した。
- シミュレータ調整による現実ギャップの克服sim2real2020/3/1
物理エンジンのパラメータを最適化することで、シミュレーションと実世界データのギャップを狭め、学習した行動の転移を容易にする手法を提案した。
