Lars Johannsmeier
収録論文 6本 ・ フィジカルAI/ロボット学習
マニピュレーションsim2real
※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
- cuArms: マルチアーム操作のためのGPU加速競合ベース計画法マニピュレーション2026/10/26
複数ロボットアームのタスク割当・スケジュール・動作をGPU並列化した競合ベース計画で高速に解き、学習不要でリアルタイム初期解と逐次改善を実現した。
- PAKT: 強化学習のための物理的整合性を備えたキネステティック教示マニピュレーション2026/9/22
人間がロボットを直接動かして教示する際に、ロボットや方策が物理的に再現できない軌道を防ぐアドミッタンス制御ベースの枠組みを提案し、低頻度のRL行動を高頻度トルク指令に変換する制御スタックを構築した。
- SPARR: 実世界の非対称残差を組み合わせたシミュレーション方策による組立sim2real2026/2/1
シミュレーションで訓練した基本方策と実世界で学習する残差方策を組み合わせ、sim-to-realギャップを埋めて組立タスクの成功率とサイクルタイムを改善した手法。
- Point Bridge: クロスドメイン方策学習のための3D表現sim2real2026/1/1
VLMで抽出した点群表現とTransformer方策を用い、合成データのみで実世界マニピュレーションのゼロショットsim-to-real転移を実現するフレームワーク。
- タスク特化型モジュラーグリッパ指先の自動生産:指先力学の自動生成に向けてマニピュレーション2022/10/1
3Dプリンタとロボットアームを組み合わせ、タスクに応じたグリッパ指先を自動で設計・生産・評価するパイプラインを提案し、把持安定性や挿入タスクで有効性を検証した。
- 力覚マニピュレーションスキルの形式化・メタ学習・適応制御フレームワークマニピュレーション2018/5/1
適応インピーダンス制御とスキル形式化を組み合わせ、専門家知識を取り込みながら力覚を要する組立スキルを学習する枠組みを提案し、サブミリ精度のペグ挿入を20分未満で学習できることを示した。
