Nick Heppert

University of Freiburg

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

• ラベル不要の多様性：知覚と行動を横断するタスク非依存コアセット選択
  データ選択2026/10/16

  視覚基盤モデルのニューロン活性化分布を画像ごと・データセット全体で比較し、ラベルやタスク知識なしに高品質なデータ部分集合（コアセット）を選ぶ手法CoreDNAを提案。分類・セグメンテーション・深度推定・運転やマニピュレーションの模倣学習で既存手法を上回る。

• 条件付きフローマッチングによる効率的なマルチタスクマニピュレーションポリシーの蒸留
  マニピュレーション2026/9/23

  単一タスクの条件付きフローマッチング専門家から速度場を蒸留し、モデルサイズを固定したままマルチタスク操作ポリシーの性能を向上させる手法を提案。

• 行動から注意を学ぶ：ポリシー学習のための創発的視覚ボトルネック
  視覚的注意/ロボット学習2026/8/1

  行動教師信号のみから注目領域（ROI）を学習するSeekerを提案し、RGBクロップやマスク拡張、点群フィルタリングの空間インターフェースとして利用。実機で成功率を大幅に向上させた。

• AnchorD: 因子グラフを用いた単眼深度のメートル単位接地
  深度推定2026/5/1

  単眼深度推定の予測を、因子グラフ最適化によりセンサ実測深度に局所的に合わせ込む訓練不要のフレームワークを提案。非ランバート面を含む実環境ベンチマークで精度向上を実証した。

• SparTa: 少数のデモンストレーションからのスパースグラフィカルタスクモデル
  マニピュレーション2026/2/1

  少数のデモンストレーションから、物体間の関係をグラフで表現したタスクモデルを学習し、長期的なマニピュレーションタスクを実行する手法を提案。

• 生成的基盤モデルによる単一の人間実演からの模倣学習スケーリング
  模倣学習2026/2/1

  単一の人間実演からReal2Genで操作方策を学習し、シミュレーションで大量データを生成して流マッチング方策を訓練、実世界にゼロショット展開する。

• cVLA: 効率的なカメラ空間VLAに向けて
  VLA2025/7/1

  視覚言語モデルを活用し、画像座標でエンドエフェクタの軌道ウェイポイントを直接予測する軽量なVLAを提案。シミュレーションで訓練し実機への転移性能を示した。

• ロボティクスにおけるニューラルフィールド：サーベイ
  ニューラルフィールド2024/10/1

  ニューラルフィールドのロボティクス応用を200本以上の論文に基づき、4つの主要フレームワークと5つの応用領域（姿勢推定、マニピュレーション、ナビゲーション、物理、自動運転）に分類してレビューしたサーベイ論文。

• 点群と条件付きフローマッチングによるロボットマニピュレーション方策の学習
  マニピュレーション2024/9/1

  模倣学習において、点群入力と条件付きフローマッチングを組み合わせたPointFlowMatchを提案し、RLBenchで平均成功率67.8%を達成した。

• Imagine2touch: 効率的な低次元信号を用いたロボットマニピュレーションのための予測的触覚センシング
  触覚2024/5/1

  視覚情報から触覚信号を予測するImagine2touchを提案し、低コスト触覚センサで収集したデータで学習、物体認識タスクで有効性を示した。

• CenterArt: 関節物体の形状再構成と6自由度把持推定の同時実行
  マニピュレーション2024/4/1

  RGB-D画像から関節物体の3D形状を再構成しつつ、6自由度の把持姿勢を同時に推定する手法CenterArtを提案。実シーンでの実験で既存手法を上回る精度と頑健性を示した。

• PseudoTouch: 物体の表面触感を効率的に画像化するロボットマニピュレーション
  触覚2024/3/1

  低次元の触覚信号と高次元の視覚・深度情報を結びつける視覚触覚埋め込みを学習し、物体認識と把持安定性予測の精度を向上させた研究。

• DITTO: 軌道変換による実演模倣
  模倣学習2024/3/1

  RGB-D動画による一回の人間実演から、物体検出と軌道変換を用いてロボットに新しいスキルを教えるワンショット模倣手法を提案。

• CenterGrasp: 物体認識に基づく形状復元と6自由度把持推定の同時学習
  マニピュレーション2023/12/1

  物体の形状と把持を連続潜在空間で表現し、RGB-D画像から物体検出・姿勢推定・形状復元・6自由度把持推定を同時に行うフレームワークを提案。

• AO-Grasp: 関節物体の把持生成
  マニピュレーション2023/10/1

  部分点群から関節物体を操作可能な6自由度把持を生成する手法を提案し、新規データセットで学習してシミュレーションと実環境でベースラインを上回る成功率を達成した。

• CARTO: カテゴリと関節に依存しない多関節物体の再構成
  3D再構成2023/3/1

  単一のステレオRGB画像から複数の多関節物体の3D形状・姿勢・関節状態を一度に推定する手法を提案。カテゴリ横断的な学習を可能にし、実世界への転移も実現した。

• カテゴリに依存しない因子グラフによる関節物体トラッキング
  関節物体操作2022/5/1

  RGB-D画像列から未知の関節物体の関節モデルを予測するカテゴリ非依存の枠組みを提案し、視覚認識と因子グラフで構成される。