Markus Grotz
収録論文 9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
- 非専門家データを活用したオフライン強化学習による模倣学習のロバスト化模倣学習/オフライン強化学習2025/10/1
非専門家データ(プレイデータや不完全なデモ)をオフライン強化学習で活用し、模倣学習ポリシーの回復性と汎化性能を高める手法を提案。
- RoboEval:ロボットマニピュレーションのための構造化・スケーラブルな評価フレームワークマニピュレーション2025/7/1
ロボットマニピュレーションの評価を二値的成功から拡張し、効率・協調・安全性などの行動指標と段階的進捗・失敗局所化を含む構造化ベンチマークを提案。8つの両手タスクと3000以上の実演を提供。
- TetraGrip: センサ駆動型マルチ吸盤による混雑環境での反応的物体操作マニピュレーション2025/3/1
4つの吸盤をリニアアクチュエータに搭載し、ToF近接センサで反応的に把持する真空グリッパを開発。強化学習方策により、積み重なった物体の把持成功率が単一吸盤比で22.86%向上した。
- SAM2Act:視覚基盤モデルと記憶アーキテクチャを統合したロボットマニピュレーションマニピュレーション2025/1/1
視覚基盤モデルを活用したマルチビューロボット方策SAM2Actを提案し、RLBenchで86.8%の成功率を達成。さらに記憶バンクを備えたSAM2Act+と記憶依存タスク評価用ベンチマークMemoryBenchを導入し、94.3%の成功率を実現した。
- OptiGrasp: RGB画像のみを用いた倉庫ピッキングロボット向けの最適化された把持姿勢検出マニピュレーション2024/9/1
深度センサに頼らずRGB画像と基盤モデルだけで吸着把持の姿勢を予測し、合成データのみで学習しながら実機で82.3%の成功率を達成した。
- PerAct2: 両腕ロボットマニピュレーションのベンチマークと学習マニピュレーション2024/7/1
RLBenchを両腕タスクに拡張し、13タスク・23バリエーションのベンチマークを構築するとともに、言語条件付き行動クローニングエージェントPerAct2を提案した。
- STOW: 倉庫ピッキングロボットのための未見物体の離散フレームセグメンテーションと追跡セグメンテーション・追跡2023/11/1
倉庫や家庭での物体再配置において、離散的なフレームから未見物体をセグメンテーションし追跡する新しいパラダイムとTransformerモジュールを提案し、合成・実世界データセットで従来手法を大幅に上回る性能を示した。
- ロボット認知アーキテクチャにおける記憶システムとArmarXへの実装認知ロボティクス2022/6/1
認知ロボット制御アーキテクチャの中核となる記憶システムの設計要件を整理し、ヒューマノイドロボットARMAR向けにArmarX上で実装した研究。
- 再求心性に基づくヒューマノイドロボットのマルチモーダル視線安定化視線制御2017/3/1
逆運動学制御と前庭眼反射・視運動反射を再求心性の原理で統合し、自己運動を反射ループから除外することで様々な外乱に対応できる汎用的な視線安定化手法を提案し、Armar-IIIで実証した。
