Michael Laskey
収録論文 17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
- 長尺ケーブルの自律的絡まり解消マニピュレーション2022/7/1
双腕ロボットとRGBD知覚・専用グリッパ・動作プリミティブを組み合わせ、最大3mのケーブルの絡まりを自律的に解消する手法を提案した。
- 片腕フリング動作による衣類の効率的な平滑化学習マニピュレーション2022/6/1
6自由度ロボットアームが片腕のフリング動作を学習し、衣類のカバー率を高める粗から細への学習法を提案。バンディットと連続最適化を組み合わせ、事前経験で新規衣類の学習時間を最大87%短縮した。
- CenterSnap: 単一ショットでの複数物体3D形状復元とカテゴリ別6D姿勢・サイズ推定6D姿勢推定2022/3/1
単視点RGB-D画像から複数物体の3D形状・6D姿勢・サイズをバウンディングボックス不要の一段階手法で同時推定し、40FPSで動作する手法を提案。
- 実機とシミュレータを往復する自己教師あり学習による平面ロボットキャスティングsim2real2021/11/1
ロボットアームがケーブルの一端を動かして他端を平面上の目標へ滑らせるタスクを提案し、実機軌道でシミュレータを差分進化により調整して大量の模擬データを生成し、実機と模擬を組み合わせて方策を学習するReal2Sim2Realを開発した。
- 学習した操作特徴と回復方策による密な非平面結び目の解きほぐし変形物体操作2021/7/1
ロープやケーブルの密な結び目を解くため、把持位置を精密化するLOKIと進捗を検知して回復動作を行うSPiDERManを提案し、実機で従来より高い成功率を達成した。
- 多ケーブル結び目の解きほぐし:IRON-MANアルゴリズムマニピュレーション2021/6/1
複数ケーブルの絡まりを解くため、交差を順に除去するロボット動作を生成するIRON-MANを提案し、手術ロボットで最大3本のケーブル結び目を80.5%の成功率で解いた。
- SimNet:ステレオ画像と合成データだけで未知物体操作を実現するsim2real2021/6/1
シミュレーションのステレオ画像を入力に、セグメンテーションや3Dバウンディングボックス、キーポイント、視差を同時に学習する単一ネットワークSimNetを提案し、実機ロボットで未知物体の把持を実現した。透明物体でも95%の把持成功率を達成。
- 学習したキーポイントで密な結び目を解くマニピュレーション2020/11/1
ロープやケーブルの密な結び目を解くため、学習ベースの知覚と幾何プランナを組み合わせたHULKを提案し、シミュレーションとda Vinci手術ロボットで有効性を示した。
- 合成深度データで学習した密オブジェクト記述子によるロープ操作ポリシー変形物体操作2020/3/1
合成深度画像からロープの密な点対応表現をシミュレーションで学習し、実機ロープを多様な形状に操作可能にした。結び目タスクで未見配置から66%の成功率を達成。
- 家庭内の複雑タスクをVRによる一度の教示で実行する移動マニピュレーションシステムマニピュレーション2019/10/1
VRで一度だけ人間が教示した複雑な家庭内タスクを、移動マニピュレーションロボットが自律実行するシステムを開発し、複数の実家庭で85%の成功率を達成した。
- 不変な隠れセミマルコフモデルによるロボット模倣学習の汎化模倣学習2018/11/1
物体の見た目や位置・視点の変化に不変な隠れセミマルコフモデルを提案し、4回の教示だけで可動障害物を避けるピック&プレースをBaxterロボットに学習させた。
- 動的リグレット解析に基づくオンポリシー模倣学習の収束保証と適応的正則化アルゴリズム模倣学習2018/11/1
オンライン最適化の動的リグレット理論を用いてDAggerなどのオンポリシー模倣学習の収束条件を解析し、その条件を満たすよう適応的正則化を加える新アルゴリズムAORを提案した論文。
- 布団のつかみ位置を深層転移学習で獲得するロボットのベッドメイキングマニピュレーション2018/9/1
奥行き画像から布団のつかみ位置を深層転移学習で推定し、2種類の移動マニピュレータでベッドメイキングを行い、人間監督に迫る92%の布団カバー率を達成した。
- 実演からのロボット学習における制約推定と微分不要のリカバリ模倣学習2018/1/1
実演データのサポート推定を暗黙の制約として用い、境界に近づくとリカバリ方策に切り替える二段階手法を提案し、衝突を83%削減した。
- DARTによる深層模倣学習を用いたロバストなベッドメイキングの学習模倣学習2017/11/1
トヨタHSRでシーツ把持と失敗検出の人間デモンストレーションからYOLO特徴を用いた深層方策を学習し、マーカーなしでベッドメイキングを自動化した。50デモで96%のシーツ被覆率を達成し、輪郭検出ベースラインを大幅に上回った。
- Dex-Net 2.0:合成点群と解析的把握指標によるロバスト把持計画の深層学習マニピュレーション2017/3/1
670万件の合成点群データで把持品質を予測する畳み込みニューラルネットを訓練し、深度画像から0.8秒で93%の成功率の把持計画を実現した。
- ロボット深層学習における人間中心サンプリングとロボット中心サンプリングの比較模倣学習2016/10/1
ロボットの深層学習によるデモンストレーション学習で、人間が教示するHCサンプリングとロボットの実行に人間が修正ラベルを付けるRCサンプリングを、グリッドワールドと実機の物体分離タスクで比較した論文。
