Luis Pineda

収録論文 6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

• 幾何学的リターゲティング：原理的で超高速なニューラルハンドリターゲティング
  テレオペレーション2025/3/1

  人間の手指キーポイントをロボットハンドに1kHzで変換する超高速・高精度なニューラルリターゲティング手法を提案。教師なし学習と幾何学的目的関数により、手動アノテーション不要でリアルタイムテレオペレーションを実現。

• DexterityGen：前例のない器用さを実現する基盤コントローラ
  マニピュレーション2025/2/1

  強化学習で大規模な器用な動作プリミティブを事前学習し、それを基に基盤コントローラを訓練。人間の遠隔操作をプロンプトとして実世界で高度な器用操作を実現する。

• 触覚を感じるニューラルフィールド：ハンド内操作のための視触覚知覚
  マニピュレーション2023/12/1

  視覚と触覚を組み合わせ、ニューラルフィールドをオンライン学習して物体の形状と姿勢を推定する手法NeuralFeelsを提案。ハンド内操作中の遮蔽に強く、視覚のみより最大94%の追跡改善を実現。

• 触覚から外部接触を知覚することで挿入ポリシーの学習が改善する
  触覚2023/9/1

  グリッパと物体間の触覚から物体と環境の外部接触を推定するNCFを改良し、実機で機能するようにして挿入タスクのポリシー学習に用いたところ、成功率と速度が向上した。

• Theseus: 微分可能な非線形最適化ライブラリ
  最適化2022/7/1

  PyTorch上で微分可能な非線形最小二乗最適化を実現する汎用ライブラリを提案し、ロボティクスや視覚における構造化学習を効率化する。

• 視覚と触覚による能動的な3D形状復元
  触覚2021/7/1

  高解像度の視覚型触覚センサを備えた触覚シミュレータとメッシュベースの3D形状復元モデルを組み合わせ、触覚・視触覚の事前情報で探索を導くデータ駆動型の能動的触覚探索フレームワークを構築した。