Omar Rayyan
University of California, Los Angeles
収録論文 8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
- FetchMan: シミュレーション経験から学ぶ視覚的ヒューマノイド移動操作ポリシー移動操作/sim2real2026/8/17
シミュレーションで合成デモをクローンするだけでは性能が頭打ちになることを発見し、強化学習とFlow-GRPOによる微調整を組み合わせたエンドツーエンドのsim-to-realパイプラインを構築。実機Unitree G1で未見シーンへのゼロショット到達・把持を73.3%の成功率で達成した。
- COBALT: スマートフォンを用いたクラウドベース遠隔操作によるロボット学習のクラウドソーシング遠隔操作/データ収集2026/5/1
スマートフォンなどの一般的なデバイスを用いて、複数ユーザーが同時に遠隔操作でロボットのデモデータを収集できるプラットフォームを提案し、模倣学習のための大規模データ収集を低コストで実現した。
- MolmoB0T: 大規模シミュレーションによるゼロショット操作の実現操作2026/3/1
大規模で多様なシミュレーションデータのみを用いて、実世界へのゼロショット転移が可能であることを示し、静的・移動操作の両方で有効なポリシーを訓練した。
- TeleDex: 手軽に使える巧みな遠隔操作遠隔操作2026/3/1
スマートフォンを使って、ロボットの手やアームを直感的に遠隔操作できるオープンソースシステムを提案。外部機器なしで手の動きを推定し、デモ収集を容易にする。
- MolmoSpaces：ロボットナビゲーションとマニピュレーションのための大規模オープンエコシステムsim2real2026/2/1
23万以上の多様な屋内環境と13万の物体アセットを備え、MuJoCoやIsaacなど複数シミュレータで使えるオープンなロボットベンチマーク基盤を構築し、実機との高い相関を示した。
- 接触アンカーポリシー：接触条件付けによる強力なロボットユーティリティモデルマニピュレーション2026/2/1
言語指示の代わりに空間上の接触点を条件として使い、モジュール型ユーティリティモデル群として構成した操作ポリシーCAPを提案。軽量シミュレータEgoGymでの実機-シミュレーション反復により、23時間のデモデータのみで新環境・新機体にゼロショット汎化し、最先端VLAを56%上回る。
- MV-UMI：クロスエンボディメント学習のためのスケーラブルなマルチビューインターフェースクロスエンボディメント学習2025/9/1
手持ちグリッパによるデータ収集に三人称視点を追加し、人間の実演とロボット展開のギャップを減らしてクロスエンボディメント性能を高めるMV-UMIを提案した。
- 遠隔運動中心制約下における微分運動学制御を用いたマニピュレータ軌道追従医療ロボティクス2024/9/1
手術支援ロボットにおいて遠隔運動中心(RCM)制約をアルゴリズム的に満たしつつ軌道追従を行う微分運動学制御手法を提案し、電磁トラッキングで精度を評価した。
