Kai Xu
Institute of AI for Industries, Chinese Academy of Sciences
収録論文 35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
- サイクル整合性で行動と映像を結びつけるCycle WAMVLA2026/11/3
行動と映像の双方向変換にサイクル再構成損失を導入し、事前学習済み映像モデルの知識を活かして順・逆ダイナミクスを統合的に学習する手法を提案した論文。
- FoLD: 力情報を活用した関節物体の巧みな操作学習マニピュレーション2026/9/27
人間の実演から補償力場を計算し、残差ポリシーでロボットの手の動きを接触要求に適応させることで、関節物体の巧みな操作を実現するフレームワーク。
- InterMASH: 把持合成のための統一幾何表現マニピュレーション2026/9/16
球面固定アンカーと球面調和関数で手と物体の局所形状・接触を統一的に符号化し、拡散Transformerで手形状と接触を同時生成する把持合成手法を提案。
- DynaMOMA: 動的物体のモバイル操作のための把持姿勢の瞬時予測モバイルマニピュレーション2026/6/1
動的物体を移動しながら把持するために、アンカーベース拡散モデルで短期的な把持軌道を予測し、全身強化学習ポリシーと統合するフレームワークを提案。シミュレーションと実機で有効性を実証。
- PAIWorld: ロボット操作のための3D整合性を持つ世界基盤モデル世界モデル2026/6/1
複数視点の3D整合性を保つ世界基盤モデルを提案し、ロボット操作のための予測と計画を改善した。
- PaintBench: 精密な視覚編集の決定的評価視覚編集2026/5/29
PaintBenchは、幾何変換や構造操作など20種類の精密な視覚編集操作を評価するベンチマークで、手続き生成とピクセル単位の評価によりバイアスを排除し、既存モデルの性能が低いことを示した。
- IMR-LLM: 大規模言語モデルを用いた産業用マルチロボットタスク計画とプログラム生成タスク計画/LLM2026/3/1
産業用マルチロボットの複雑なタスクを、LLMと決定的解法を組み合わせて計画し、プロセスツリーで低レベルプログラムを生成するフレームワークを提案。専用ベンチマークで既存手法を上回る性能を示した。
- フレキシブル製造のための身体性知能:サーベイ身体性知能/製造2026/2/1
フレキシブル製造における身体性知能の研究を、知覚(Industrial Eye)、制御(Industrial Hand)、意思決定(Industrial Brain)の3視点から整理し、認知強化・技能移行・システム進化からなる3段階の発展モデルを提案したサーベイ。
- AdaPower: 予測的マニピュレーションのための世界基盤モデルの特化マニピュレーション2025/12/1
汎用世界基盤モデルを推論時適応と記憶持続で軽量に特化させ、事前学習済みVLAを再訓練なしで強化するフレームワークを提案。
- RoboBPP: 物理シミュレーションによるロボットオンライン箱詰めのベンチマークマニピュレーション2025/12/1
物理シミュレータ上で実スケールのロボットアームと箱を扱うオンライン箱詰めベンチマークを構築し、実産業データセットと安定性・安全性の新指標を導入した。
- ピンプレッショングリッパの設計とオンライン把持調整を伴う巧みな把持の学習マニピュレーション2025/5/1
ピンプレッション玩具に着想を得た、各指に独立伸縮可能なピンアレイを持つ平行グリッパを開発し、強化学習とカリキュラム学習で把持中の再配向を含む巧みな把持スキルを学習させ、実機転移も実証した。
- LaDi-WM: 予測的マニピュレーションのための潜在拡散ベース世界モデルマニピュレーション2025/5/1
事前学習済み視覚基盤モデルの潜在空間を拡散モデルで予測する世界モデルを提案し、予測状態を活用した拡散ポリシーによりマニピュレーション性能を大幅に向上させた。
- 梱包構成木に基づく3Dビンパッキングの計画手法マニピュレーション2025/4/1
オンライン3Dビンパッキング問題に対し、梱包構成木(PCT)という階層表現を導入し、深層強化学習と木探索を組み合わせて大規模・多様な制約下での計画を可能にした。
- PIN-WM: 非把持マニピュレーションのための物理情報に基づく世界モデル学習sim2real2025/4/1
微分可能物理シミュレーションとGaussian Splattingを組み合わせ、視覚観測から3D剛体ダイナミクスの世界モデルを少数の軌道で学習し、物理を考慮したランダム化でSim2Real転移を実現した。
- CogNav: LLMによる物体目標ナビゲーションの認知プロセスモデリング物体目標ナビゲーション2024/12/1
大規模言語モデルを用いて人間の物体探索時の認知状態遷移を有限状態機械でモデル化し、未知環境での物体目標ナビゲーションの成功率を向上させた研究。
- LLMで強化したシーングラフ学習による家庭内整理タスクシーングラフ/LLM/整理タスク2024/8/1
家庭内の物の配置換えタスクに向けて、LLMを活用してシーングラフを拡張し、物の機能とユーザー選好を考慮した配置計画を可能にする手法を提案した。
- 異なる多自由度ハンド間で転移可能な把持・リーチング方策の学習マニピュレーション2024/4/1
グリッパに依存しないキーポイント変位予測とグリッパ固有の適応モデルを組み合わせ、異なる多自由度ハンドへ把持方策を転移できる統一的枠組みを提案した。
- 協調mTSPによる同期型双腕再配置マニピュレーション2024/3/1
双腕ロボットの再配置を協調コストを共有するmTSPとして定式化し、注意機構付き強化学習とコスト予測器で効率的に計画する手法を提案した。
- デカルトロボットのための双腕物体再配置の学習マニピュレーション2024/2/1
デカルトロボットによる双腕物体再配置問題に対し、強化学習とアテンションネットワークを用いたオンラインタスク割り当て手法を提案し、探索ベース手法より短時間で効率的に解決できることを示した。
- 同時探索と識別による3D認識型物体目標ナビゲーション物体目標ナビゲーション2022/12/1
オンラインで融合した3D点群を観測として、角誘導探索とカテゴリ認識識別の2つのサブポリシーを同時に実行し、3Dシーン表現を活用した物体目標ナビゲーションを実現した研究。
- 一般3D形状のオンラインパッキングのための物理的に実現可能なスキル学習マニピュレーション2022/12/1
強化学習を用いて、不規則な3D形状を物理的に実現可能な形で連続的に箱詰めするオンラインパッキング方策を学習する手法を提案。候補行動生成で行動空間を削減し、48時間以内に訓練を可能にした。
- NIFT: 物体操作のためのニューラル相互作用場とテンプレートマニピュレーション2022/10/1
物体操作のデモから相互作用のテンプレートを抽出し、新しい物体に対してニューラル場上で特徴マッチングを行うことで、模倣学習による操作生成を実現する手法を提案した。
- グリッパと物体の相互作用の動的表現による高自由度リーチング・グラスピングの学習マニピュレーション2022/4/1
グリッパと対象物体の空間的相互作用をInteraction Bisector Surfaceで表現し、深層強化学習により高自由度の器用な把持と動作計画を効率的に学習する手法を提案した。
- 伸縮しない2セグメント連続体ロボットの逆運動学と器用作業空間の定式化連続体ロボット2021/10/1
伸縮しないセグメントを持つ2セグメント連続体ロボットの逆運動学を、1変数の非線形方程式を解くだけで解ける効率的な手法を提案し、さらに姿勢限界や特異点による器用作業空間の境界を初めて定式化した。
- 実用的に実行可能なオンライン3Dビンパッキング方策の学習マニピュレーション2021/8/1
オンライン3Dビンパッキングを強化学習で解き、積み上げ安定性の高速解析や次元ごとの分離方策、ロボットアームの衝突回避を容易にする報酬設計により実用的なパッキング方策を実現した。
- オンライン位相・幾何経路最適化による屋外環境の自律スキャニング経路計画2020/12/1
屋外の広大な環境をロボットが効率的に3Dスキャンするため、訪問地点の選択をオンラインTSPで解く位相計画と、地点間の経路を情報利得最大化で最適化する幾何計画を交互に実行する手法を提案した。
- 生成的模倣学習による屋内シーンでの目標駆動型視覚ナビゲーション視覚ナビゲーション2020/9/1
専門家のデモから変分生成モデルを学習し、次の観測を想像してから行動を決める目標駆動型の地図不要ナビゲーション手法を提案。衝突予測と目標確認モジュールを組み合わせ、TurtleBotで実環境での動作を実証した。
- 高自由度グリッパ向け微分可能深層把持プランナマニピュレーション2020/2/1
順運動学・衝突・把持評価を自動微分で一貫構築し、教師なしで高自由度グリッパの把持姿勢を学習する手法を提案。
- 情報理論的正則化を導入した強化学習による視覚ナビゲーション視覚ナビゲーション2019/12/1
強化学習による目標駆動型視覚ナビゲーションに相互情報量最大化の正則化を加え、行動と観測変化の因果関係を学習させることで未知の目標やシーンへの汎化性能を向上させた論文。
- 混合整数錐計画法による大域的最適把持計画の新定式化把持計画2019/9/1
グリッパの運動学的実現可能性を考慮しつつ把持品質を最大化する最適把持姿勢を求める二段階分枝限定法を提案し、逆運動学を少数の二値変数で表す新しい混合整数錐計画法の定式化により効率的に解く。
- NeoNav: 次に観測すべき画像を生成して視覚ナビゲーションの汎化性能を向上させる手法視覚ナビゲーション2019/6/1
エージェントが次に見るべき観測を生成しながら目標へ向かう生成的モデルNeoNavを提案し、未知の目標やシーンへの汎化性能とデータ効率を向上させた。
- 平面リンク機構のトポロジーと軌道の大域的最適同時探索機構設計2019/5/1
単一アクチュエータで複雑な軌道を描く平面リンク機構の構造と形状を、混合整数凸計画として定式化し大域最適解を求める手法を提案した。
- ニューラルネットワークによる高自由度グリッパの把持姿勢生成マニピュレーション2019/3/1
高自由度ハンドの把持姿勢をニューラルネットで生成する手法を提案し、一貫性損失と衝突損失で精度と実機適用性を向上させた。
- 形状埋め込み空間におけるケージングループ:理論と計算マニピュレーション2018/7/1
物体の形状埋め込み空間で閉曲線(ケージングループ)を計算し、複数の位相的穴を囲む把持を合成する手法を提案。不完全・ノイズを含む表面形状でもロバストな把持を実現した。
- 物体認識に基づく自律シーン再構成ガイダンス自律探索・3D再構成2018/5/1
未知の屋内シーンを自律スキャンするため、物体解析で次に探索すべき物体を選び、その物体を局所的に詳細スキャンする手法を提案。物体認識と形状データベース照合を繰り返し、シーン全体を再構成する。
