Kejia Chen
収録論文 12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
- 相対アクション拡散ポリシーのためのホライズン連携型障害物ガイダンス拡散ポリシー2026/11/6
事前学習済み相対アクション拡散ポリシーに対し、推論時にSDFベースの障害物応答をアクションホライズン全体へ伝播させ、再学習なしで障害物回避を実現する手法を提案した。
- ロボットの自己改善:人間のビデオからの力学モデルを用いてロボット学習2026/6/1
人間のビデオから学習した行動・力学・価値表現をロボットに転移し、失敗状態を修正するDGAC法を提案。7つの実世界操作タスクで成功率を40%から81%に向上させ、ロボットの自己改善を実証した。
- TacUMI:接触の多いタスクのためのマルチモーダル汎用マニピュレーションインターフェースマニピュレーション2026/1/1
手持ちデモ装置UMIに触覚・力覚・姿勢センサを統合し、接触の多い作業のマルチモーダルデータを収集できるようにした。さらに時系列モデルで作業を意味のある区間に分割する手法を提案し、ケーブル取付タスクで90%以上の分割精度を達成した。
- ジャストインタイム情報木:可操作度を考慮した漸近最適動作計画マニピュレーション2026/1/1
サンプリングベースの動作計画を改良し、エッジ接続とサンプリング密度を動的に調整して初期経路を高速に発見しつつ、可操作度と軌道コストのバランスを取るJIT*を提案した。
- 方向情報付き木探索 (DIT*): 方向フィルタと方向コストヒューリスティックによる最適経路計画経路計画2025/8/1
サンプリングベースの経路計画において、各エッジの方向情報を活用するフィルタとヒューリスティックを導入し、探索を効率化して既存手法より高速に最適解を見つける手法を提案した。
- マルチモーダル知覚を用いた複数ロボットによる変形可能な線状物体の組立マニピュレーション2025/6/1
視覚と触覚を統合した物体中心の知覚・計画フレームワークにより、複数ロボットが協調してケーブルなどの変形可能な線状物体を産業組立する手法を提案し、実機実験で有効性を示した。
- ロボット長期的強化学習における事前学習済みベイズノンパラメトリック知識事前分布強化学習2025/3/1
ディリクレ過程混合モデルを用いて多様なスキルをノンパラメトリックに事前学習し、長期的なロボット操作タスクの強化学習を効率化する手法を提案した。
- LEMMo-Plan: マルチモーダル実演からのLLM強化学習による接触の多い逐次マニピュレーション計画マニピュレーション2024/9/1
人間の実演から触覚・力覚情報も取り込み、LLMが接触の多い逐次操作タスクの計画を生成できるようにするインコンテキスト学習フレームワークを提案した。
- 小さな環境拘束下における変形可能な線状物体の形状制御のためのリアルタイム接触状態推定変形物体マニピュレーション2024/1/1
変形可能な線状物体をロボットで環境の治具に接触させて形状制御する際、加えた力と検出した接触力の依存関係を利用して接触の成立と変化をリアルタイムに推定し、異常を自動で回避・検出・修正する適応的形状制御を実現した。
- 柔軟なインフォームドツリー(FIT*):インフォームドサンプリングベース経路計画における適応的バッチサイズアプローチ経路計画2023/10/1
サンプリングベース経路計画において、バッチサイズを構成空間の次元と超楕円体の超体積に基づいて動的に調整するFIT*を提案し、初期解の収束速度と品質を向上させた。
- 環境接触を活用した変形可能な線状物体の接触認識型成形と維持マニピュレーション2023/7/1
2台のロボットマニピュレータと環境との接触を利用し、変形する線状物体の形状を計画・制御するフレームワークを提案。ケーブル配線タスクで実機検証した。
- 強化学習プランナとモデル予測制御アクターによる安全保証マニピュレーションマニピュレーション2023/4/1
スパース報酬で学習する強化学習プランナとモデル予測制御アクターを組み合わせ、動的障害物のある環境で安全にマニピュレーションタスクを解くフレームワークを提案した。
