Maria Bauza
収録論文 23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
- 巧みな操作のための政策アイドリングの活用マニピュレーション2025/8/1
ロボットの巧みな操作において、政策が特定の状態で動かなくなる「アイドリング」を検出し、その状態に摂動を加えることで探索を促し、性能を向上させる手法を提案。
- ExoStart: センサ付き外骨格による巧みな操作の効率的学習マニピュレーション2025/6/1
低コストのウェアラブル外骨格で人間の手の動きを収集し、シミュレーションで動力学フィルタリングして強化学習の初期化に用いることで、ロボットハンドの巧みな操作を実機にゼロショット転移させる学習フレームワークを提案。
- Gemini Robotics:AIを物理世界へVLA2025/3/1
Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。
- DemoStart: 実演主導の自動カリキュラムによる多指ロボットのsim-to-realsim2real2024/9/1
シミュレーションでの少数の実演と疎な報酬のみから、3本指ロボットハンドの複雑なマニピュレーション行動を自動カリキュラム強化学習で獲得し、ゼロショットで実機に転移させる手法を提案した。
- 言語モデル予測制御による人間フィードバックからの高速学習VLA2024/2/1
人間との対話履歴を遷移モデルとしてLLMに微調整し、モデル予測制御と組み合わせることで、ロボットの教示効率と成功率を向上させるフレームワークLMPCを提案。
- simPLE: シミュレーションで学習する視触覚手法による高精度な把持・位置推定・再把持・配置マニピュレーション2023/7/1
物体のCADモデルのみを用い、シミュレーションで学習した視触覚モデルと再把持計画により、多様な物体を1mmのクリアランスで高精度に配置する手法を提案。
- RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェントマニピュレーション2023/6/1
多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。
- FingerSLAM: 視触覚フィードバックによる未知物体の閉ループ位置推定と再構成触覚2023/3/1
指先の触覚と手首カメラの視覚を因子グラフで統合し、未知物体の6自由度位置推定と3D形状再構成を閉ループで行う手法を提案。
- Tac2Pose:初回接触からの触覚による物体姿勢推定触覚2022/4/1
既知物体の形状からシミュレーションで触覚観測と姿勢の対応を学習し、実センサの初回接触のみで物体姿勢の確率分布を推定する手法を提案。
- 初回接触からの触覚による物体姿勢推定:幾何学的接触レンダリングの活用触覚2020/12/1
シミュレーションで接触形状をレンダリングし、対照学習で物体ごとの知覚モデルを学習することで、1回の触覚観測から既知物体の姿勢を高精度に推定する手法を提案。複数接触にも拡張。
- 触覚SLAM:平面押し動作からの形状と姿勢のリアルタイム推定触覚2020/11/1
触覚センサの計測列から未知物体の形状と姿勢をリアルタイムに推定する手法を提案し、平面押しによる触覚探索をオンラインSLAM問題として定式化した。
- 接触推論による高精度な視覚ベースマニピュレーションマニピュレーション2019/11/1
接触位置の最適化と運動計画を分離し、ニューラルネットと物理的状態表現を組み合わせることで、視覚ベースの平面押し操作の精度と効率を向上させた研究。
- 経験埋め込み型視覚的先読み視覚予測2019/11/1
新しい物体の観測軌跡を埋め込みベクトルに符号化し、それに条件付けて視覚予測を行うことで、未知物体の動きに素早く適応する予測モデルを提案した論文。
- Omnipush:RGB-D動画付き押し動作ダイナミクスの多様で実世界な高精度データセットマニピュレーション2019/10/1
物体の形状と質量分布を体系的に変化させた250物体×250回の平面押し動作をRGB-Dと高精度トラッキングで記録し、メタ学習やRGB動画予測のベンチマークを備えたデータセットを構築した。
- 高解像度触覚インプリントによる触覚マッピングと位置推定触覚2019/4/1
視覚型触覚センサGelSlimを用いて接触から物体形状を再構成し、事前に再構成した物体の位置を高精度に推定する手法を提案した。
- 物理シミュレータと物体ベースネットワークを組み合わせた制御sim2real2019/4/1
物理エンジンと物体ベースのニューラルネットワークを組み合わせたハイブリッド力学モデルSAINを提案し、接触を伴う複雑な制御タスクで精度とデータ効率、汎化性能が向上することを示した。
- 確率的ニューラルネットワークによる物理シミュレータの拡張:平面押し出しとバウンドのケーススタディsim2real2018/8/1
解析的な剛体シミュレータに不確実性を残差として学習するニューラルネットを組み合わせ、平面押し出しとボールバウンドの高精度かつ汎用的な物理シミュレータを構築した研究。
- 少ないデータで精密かつ制御された押し動作を実現する手法マニピュレーション2018/7/1
ガウス過程で押し動作のダイナミクスを学習し、モデル予測制御で制約を課すことで、わずか10データ点で複雑な押し軌道を実現した。
- 触覚再把持:触覚変換シミュレーションによる把持調整触覚2018/3/1
触覚計測を仮想的に変換して把持品質を評価するネットワークを用い、局所的な把持調整動作を計画する手法を提案した。把持成功率が平均70%向上した。
- 多様な把持戦略と領域横断画像照合による混雑環境での新規物体ピック&プレースマニピュレーション2017/10/1
カテゴリ非依存のアフォーダンス予測で4種の把持動作を使い分け、商品画像との照合で未知物体も認識するピック&プレースシステムを構築し、2017年Amazonロボティクスチャレンジの収納タスクで優勝した。
- GP-SUM:非ガウス信念のガウス過程フィルタリング確率フィルタリング2017/9/1
ガウス過程で表された動力学・観測モデルに対し、信念をガウス和で表現して線形化や単峰近似なしにフィルタリングするGP-SUMを提案し、ベンチマークと押し動作で有効性を示した。
- 平面押し動作の確率的データ駆動モデルマニピュレーション2017/4/1
平面押しの結果とばらつきを予測するため、入力依存ノイズを持つ変分ヘテロスケダスティックガウス過程を学習し、100サンプル未満で解析モデルを上回る精度を達成した。
- 押し動作の高忠実度実験データセット:100万通り以上の押し方マニピュレーション2016/4/1
平面押し動作を6次元で変化させた高精度実験データセットを構築し、摩擦のばらつきやロボティクスでよく使われる摩擦押しモデルの仮定・簡略化を評価した論文。
