Namiko Saito
Microsoft Research Asia
収録論文 14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
- 密着型ウェアラブル装着のための幾何認識強化学習マニピュレーション2026/10/23
身体部位と衣類開口部の空間関係を幾何学的に表現し、段階的カリキュラムと指ごとの挿入ソフトゲートを組み合わせた強化学習で、ロボットによるブレスレット装着を高成功率で実現した。
- DiVeR: VLAのテスト時スケーリングのための意思決定クリティカル検証器学習VLA2026/10/4
VLA方針のテスト時スケーリングにおいて、行動候補の識別に重要な状態を推定し、検証器の学習を再重み付けする手法DiVeRを提案。LIBEROやRoboCasa、実機実験で成功率を向上させた。
- VLaRL: シミュレーション学習の潜在条件付き残差RLによる視覚言語行動モデルの拡張VLA2026/9/25
凍結したVLAモデルに残差強化学習を適用し、シミュレーションで学習した制御を実機に転移する手法を提案。VLAの内部潜在表現を条件とすることで、実機での追加学習なしに接触の多い操作タスクの成功率を向上させた。
- 身体状態に基づく再計画による物理適応型マニピュレーションマニピュレーション2026/9/24
関節負荷や可動域制限などの内部身体状態をLLMで解釈し、実行中にマニピュレーション戦略を再計画する枠組みを提案。シミュレーションと実機で、成功率を保ちつつ身体的負担を軽減できることを示した。
- 接触中心の実世界-シミュレーション-実世界学習:単一デモからの学習sim2real2026/6/1
実世界のデモから抽出した接触イベント列を報酬信号として用いることで、シミュレーションから実世界へのポリシー転移を接触中心の忠実度で改善する手法を提案した論文。
- オブジェクト中心残差強化学習によるゼロショットSim-to-Real VLA性能向上VLA/残差RL/sim2real2026/6/1
シミュレーションのみで訓練した残差強化学習ポリシーを、オブジェクトの姿勢情報を用いて実世界のVLAモデルに重ねることで、ゼロショットでロボット操作の成功率を大幅に向上させる手法を提案した。
- 視覚言語モデルによる意味・物理の二重補正を用いた人間-ロボット協調タスクの再計画VLA2026/2/1
VLMの推論に事前の論理検証と事後の視覚検証を組み合わせ、人間の指示に基づく把持姿勢や道具選択を再計画する枠組みを提案し、ヒューマノイドでの実機実験で有効性を検証した。
- 全身接触を活用した操作における接触の明示的最適化マニピュレーション2024/8/1
ロボットが体表面全体で物体に接触して操作する問題に対し、接触と運動の計画を階層的な連続最適化として定式化し、ロボット表面の新たな連続表現を提案して収束性と計画時間を大幅に改善した。
- 体性感覚注意機構を備えた深層予測学習による移乗介護のための双腕動作生成マニピュレーション2024/7/1
深層予測学習と体性感覚・視覚の注意機構、インピーダンス制御を組み合わせ、双腕ヒューマノイドがベッドと患者の背中の間に手を差し込み、仰臥位から持ち上げる移乗介護動作を生成できるようにした。
- 視覚から触覚・音響へのクロスモーダル転移学習による潜在物体特性認識触覚2024/3/1
視覚で学習した潜在表現を触覚・音響・モータデータへ転移学習し、ロボットが把持中の物体の形状・位置・姿勢を間接センサ情報から認識できるようにした研究。
- 触覚表現の事前学習による力ベース動作の少数ショット模倣学習触覚/模倣学習2023/9/1
触覚表現エンコーダを大量の教師なしデータで事前学習し、動作生成デコーダを少数の人間デモで学習することで、未知のスポンジへの拭き動作を実現する半教師あり模倣学習手法を提案。
- 状態変化する変形物体操作のためのマルチモーダル注意学習マニピュレーション2023/9/1
加熱により状態が変化する卵を調理する際に、センサ情報の重要度を注意機構で重み付けし、リアルタイムに知覚と動作生成を行う予測リカレントニューラルネットワークを提案した。
- マルチモーダル深層学習による道具選択と対象物の能動的知覚マニピュレーション2021/6/1
ロボットが画像・力・触覚のマルチモーダル情報を能動的に取得し、対象物の特性を認識して適切な道具の選択と操作動作を生成するDNNモデルを構築した。食材移し替えタスクで未知の対象物でも特性を認識できることを示した。
- 効果から道具・対象物・動作の特徴を検出するロボットの深層学習モデル道具使用/深層学習2018/9/1
ロボットが道具を使った物体操作の結果(効果)から、使った道具・対象物・動作の特徴を深層学習で推定するモデルを構築し、未知の道具でも予測できることを示した。
