Kelin Yu
収録論文 11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
- 嗅覚と視覚を統合した3D環境内の embodied navigation ベンチマーク「OdorSpaces」嗅覚ナビゲーション2026/11/3
物理ベースのシミュレータで3Dの匂い輸送・拡散を再現し、視覚と嗅覚を併用してガス漏れや火災の発生源を探すナビゲーションタスクのベンチマークを構築した。マルチモーダル強化学習方策を提案し、複数のベースラインを上回る性能を示した。
- ReDex: 指先の柔軟なインタラクションによるSim-to-Real巧みな操作ポリシーの修復sim2real2026/10/5
シミュレーションで訓練した多指ハンドポリシーに対し、実機で人間が指先の接触失敗のみを修正し、その際の力覚情報を模倣学習で取り込むことで、触覚シミュレーションなしに実世界へ適応させる手法。
- OmniTacTune: 視覚ポリシーへの触覚残差適応のためのポリシー非依存な実世界強化学習触覚/強化学習2026/7/1
事前学習済みの視覚ポリシーに触覚フィードバックを残差補正として適応させる、ポリシー非依存の実世界RLパイプラインを提案。接触を伴う多様なタスクで成功率を大幅に向上させる。
- HumanEgo: 人間の一人称視点動画数分からのゼロショットロボット学習模倣学習2026/5/1
人間の一人称視点動画からロボット操作スキルをゼロショットで転移するフレームワークを提案。手と物体の相互作用をエンティティレベルで表現し、フローマッチングポリシーと補助損失で学習することで、ロボットデータ不要で高効率な学習を実現した。
- AFFORD2ACT: アフォーダンス誘導による汎用かつ軽量なロボットマニピュレーションのための自動キーポイント選択マニピュレーション2025/10/1
テキストと画像からアフォーダンスを手がかりに最小限の意味的キーポイントを抽出し、38次元の軽量ポリシーで未知物体や背景変化に強いマニピュレーションを実現した。
- GenFlowRL: 生成的オブジェクト中心フローによる視覚強化学習の報酬形成強化学習2025/8/1
多様なロボットデータから学習した生成的オブジェクト中心フローを用いて報酬を形成し、視覚強化学習で汎化性の高い操作方策を獲得する手法を提案。
- ControlTac: 単一参照画像による力と位置を制御した触覚データ拡張触覚2025/5/1
単一の参照触覚画像と接触力・接触位置を条件として、物理的に妥当な触覚画像を生成する2段階の制御可能なフレームワークを提案し、触覚データセットの拡張に有効であることを示した。
- MimicTouch: 人間の触覚デモンストレーションを活用した接触の多いマニピュレーション触覚2023/10/1
人間が手で行う触覚に基づく操作をマルチモーダルに計測し、模倣学習とオンライン残差強化学習でロボットグリッパに転移する枠組みを提案した。
- 進化的カリキュラム学習による深層強化学習ナビゲーションシステムの訓練ナビゲーション2023/6/1
深層強化学習による衝突回避モデルの弱点を評価し、その不足スキルを補うカリキュラムを進化的に生成する訓練手法を提案し、構造化環境での成功率向上を検証した。
- 強化学習の報酬形成のための時間的動画言語アラインメントネットワーク強化学習2023/2/1
自然言語指示を中間報酬に変換する報酬形成手法を提案し、AtariのMontezuma's Revengeで従来手法より高いタスク達成率を実現した。
- Transformerを用いた変形物体のための汎化可能な視覚触覚把持戦略の学習視覚触覚把持2021/12/1
視覚と触覚のフィードバックをTransformerで統合し、果物などの変形物体に対して安全な把持強度を予測する枠組みを提案した論文。
