Mohit Sharma
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
- Gemini Robotics 1.5:高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げるVLA2025/10/1
異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。
- ニューラル運動計画のためのカスケード拡散モデル運動計画2025/5/1
拡散ポリシーを用いて複雑な環境での衝突のない大域的な運動計画を学習するカスケード階層モデルを提案し、ナビゲーションやマニピュレーションで既存手法を約5%上回る性能を示した。
- 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。
- 予測的レッドチーミング:ロボットを壊さずにポリシーを破るsim2real2025/2/1
生成画像編集とポリシー固有の異常検知器を用いて、視覚運動ポリシーの環境要因に対する脆弱性をハードウェア評価なしで予測するRoboARTを提案し、予測精度と的を絞ったデータ収集による性能向上を実証した。
- RoPEを超えて:STRINGによる2D・3D位置エンコーディングの改善VLA2025/2/1
大規模言語モデルで広く使われるRotary Position Encodingsを統一的な理論枠組みで拡張し、任意次元のトークン座標に対して厳密な並進不変性を保ちつつ低計算コストで2D・3D位置エンコーディングを実現するSTRINGを提案。Vision Transformerに統合し、オープンボキャブラリ物体検出やロボティクス制御で性能向上を示した。
- 意味的に制御可能な拡張による汎化可能なロボット学習sim2real2024/9/1
画像テキスト生成モデルをデータ拡張に活用し、ロボット操作データを多様化することで、未見の実環境への汎化を可能にする学習フレームワークを提案した。
- MResT: 視覚言語モデルを用いたマルチ解像度センシングによるリアルタイム制御VLA2024/1/1
異なる空間・時間解像度のセンシングを組み合わせ、視覚言語モデルで言語条件付き多タスク方策を学習し、精密・動的な操作タスクのリアルタイム制御性能を向上させた研究。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- RoboAgent: 意味的拡張と行動チャンキングによるロボットマニピュレーションの汎化と効率化マニピュレーション2023/9/1
意味的データ拡張と行動チャンキングで少量のデモから多様な操作スキルを学習する汎用ロボットエージェントを開発し、未知タスクで従来手法を40%以上上回る性能を示した。
- ロボット操作のための事前学習済み視覚モデルの無損失適応マニピュレーション2023/4/1
ロボット操作において、凍結した事前学習済み視覚特徴よりフルファインチューニングが高性能だが、表現ドリフトを引き起こす問題に対し、パラメータ効率の良いアダプタを適切に配置する「無損失適応」を提案し、元の能力を保ちつつ性能ギャップを削減する。
- 学習したスキル効果モデルを用いた探索ベースの生涯ロボットマニピュレーション計画タスク計画2021/9/1
パラメータ化スキルの効果モデルをシミュレーションで学習し、そのモデルを使って探索ベースのタスク計画を行うことで、新しいスキルやタスクに生涯適応できる手法を提案した。実世界への転移も追加学習なしで可能であることを示した。
- キーポイントを用いた物体中心タスク軸コントローラの汎化マニピュレーション2021/3/1
物体ごとのタスク軸コントローラを組み合わせたモジュール型方策を提案し、多視点密対応学習で視覚入力からパラメータを推定することで、形状や大きさの多様な物体へのマニピュレーション汎化を実現した。
- スキル前提条件のための関係学習マニピュレーション2020/12/1
物体間のペア関係を学習するモデルを提案し、シミュレーションで訓練した後に実世界のマニピュレーションタスク(掃き・切断・積み下ろし)のスキル前提条件予測に応用して精度向上を実現した。
- 研究向けモジュール式ロボットアーム制御スタック:Franka-InterfaceとFrankaPyマニピュレーション2020/11/1
Franka Emika Panda研究用ロボットにカスタマイズ可能で扱いやすいインターフェースを提供するモジュール式制御スタックを開発した。高レベル命令をスキルとして抽象化し、C++の1kHz低レベル制御とPythonの高レベル命令を組み合わせ、外部センサフィードバックもリアルタイムで流し込める。
- 階層的な物体中心コントローラの構成を強化学習で学習するロボットマニピュレーションマニピュレーション2020/11/1
物体中心のサブタスクコントローラを強化学習で動的に階層構成し、サンプル効率・未知環境へのゼロショット汎化・実機転移を改善した研究。
- マルチモーダル触覚データを活用したロバストな切断動作触覚2019/9/1
振動と力覚フィードバックを組み合わせて切断動作を適応させ、20種類以上の食品を安定的に切断できるロボットシステムを提案した。
- 野菜のスライス作業のための意味的埋め込み空間の学習マニピュレーション2019/4/1
切断片の厚さ予測などの補助タスクで対象物の意味的特徴を捉える埋め込み空間を学習し、その潜在空間上で順モデルを学習してオンライン計画により野菜のスライス作業を行う手法を提案した論文。
