Mrinal Kalakrishnan
収録論文 19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
- Locate 3D: 自己教師あり学習による実世界3D物体位置推定3D位置推定2025/4/1
センサー点群に適用可能な自己教師あり学習手法3D-JEPAを提案し、言語指示に基づく3D物体位置推定を実現。新データセットも構築し、ロボットやARでの実世界展開を可能にした。
- 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。
- Sparsh: 視覚ベース触覚センシングのための自己教師あり触覚表現触覚2024/10/1
視覚ベース触覚センサ向けに、460k以上の触覚画像を用いたマスク付き自己蒸留による自己教師あり事前学習で汎用触覚表現を獲得し、標準ベンチマークTacBenchで従来のタスク・センサ特化型学習を平均95.1%上回った。
- 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。
- Habitat 3.0:人間・アバター・ロボットの共生シミュレーション基盤sim2real2023/10/1
家庭環境での人間とロボットの協調作業を研究するためのシミュレーションプラットフォームHabitat 3.0を提案し、人間参加型の評価基盤と社会的ナビゲーション・片付けタスクを実装した。
- 事前学習済み視覚表現はシミュレーションと実環境でどう機能するか:大規模実証研究sim2real2023/10/1
5種類の事前学習済み視覚表現を3台のロボットと2つの学習手法で実世界タスクに適用し、シミュレーション性能が実環境性能の指標になることなどを示した。
- 大規模深層強化学習:オフィスビルでの移動マニピュレータ群による廃棄物仕分けマニピュレーション2023/5/1
実世界データとシミュレーションを組み合わせた深層強化学習により、23台の移動マニピュレータがオフィスビルでリサイクル品とゴミを仕分けるシステムを構築し、大規模に評価した。
- USA-Net: ロボット記憶のための統合意味・アフォーダンス表現VLA2023/4/1
シーンの意味と空間的アフォーダンスを微分可能な地図に統合し、オープン語彙の指示に基づく勾配ベースのプランナを実現した。
- 実世界ロボットのための深層強化学習の訓練法:我々が学んだ教訓深層強化学習2021/2/1
実ロボットに深層強化学習を適用した複数のケーススタディを通じ、実環境特有の課題と対処法、未解決の課題を整理したレビュー論文。
- アクション画像表現:実世界データなしで学習するスケーラブルな深層把持ポリシー把持/sim2real2020/5/1
把持提案を画像として表現するAction Imageを導入し、シミュレーションのみの学習で実世界物体への把持成功率84%を達成した研究。
- リスク認識型視覚ロボット把持のための分位点QT-Optマニピュレーション2019/10/1
連続行動空間向け分散型Q学習の分布版Q2-Optを提案し、視覚ベースのロボット把持タスクで従来より高い成功率とサンプル効率を示すとともに、リスク歪み指標によるリスク管理の可能性を検証した。
- 視覚ベースロボット把持のための確率的マルチモーダルアクターモデル学習把持2019/4/1
画像から成功する把持姿勢の条件付き分布をガウス混合と正規化フローを組み合わせたニューラル密度モデルで直接学習し、CEMより3倍高速な推論を実現した。
- ランダム化→正規化適応ネットワークによる実世界データ不要のロボット把持sim2real2018/12/1
ランダム化されたシミュレーション画像を正規化画像へ変換するRCANを学習し、実画像も同様に変換することで実世界データなしに視覚ベース把持エージェントをsim-to-real転移した研究。
- QT-Opt:視覚ベースロボット操作のためのスケーラブルな深層強化学習マニピュレーション2018/6/1
58万回以上の実世界把持試行を用いて120万パラメータのQ関数を学習し、RGB画像のみで閉ループ把持制御を実現、未知物体で96%の成功率を達成した。
- シミュレーションからのインスタンス把持学習のためのマルチタスクドメイン適応sim2real2017/10/1
シミュレーションで学習した把持モデルを、ドメイン敵対的損失と無差別把持データを用いて実機に転移するマルチタスクドメイン適応手法を提案し、実ロボット実験で有効性を示した。
- シミュレーションとドメイン適応による深層ロボット把持の効率化sim2real2017/9/1
ランダム化したシミュレーション環境とGraspGANと呼ばれるピクセルレベルドメイン適応を組み合わせ、実世界のラベル付きデータを最大50分の1に削減しつつ新規物体の把持を実現した。
- 分散非同期ガイド付き方策探索による集団ロボット強化学習強化学習2016/10/1
複数ロボットが経験を共有して方策を集団学習する分散非同期版ガイド付き方策探索を提案し、4台のロボットによる視覚ベースのドア開けタスクで単機より優れた汎化・稼働率・学習時間を実証した。
- 経路積分ガイド付き方策探索マニピュレーション2016/10/1
経路積分型のモデルフリー局所最適化とオンポリシーサンプリングを組み合わせ、視覚入力から直接トルク制御を行う深層ニューラルネット方策を学習する手法を提案した。
- 距離カメラを用いた確率的物体追跡物体追跡2015/5/1
距離カメラの観測から、人やロボットが操作中の物体の6自由度姿勢をベイズフィルタでリアルタイムに推定する手法を提案した論文。自己遮蔽や環境による遮蔽を明示的にモデル化している。
