Pietro Mazzaglia
Qualcomm AI Research
収録論文 13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
- ロボット方策のための効率的なテスト時適応sim2real2026/10/14
展開時に報酬なしで自己教師ありオンライン適応を行うTTA手法TEMPOを提案し、エントロピー正則化と優先的リプレイ型メモリで厳しい環境変化に対応、実機Go2でも有効性を確認した。
- Vision-Language-Actionモデルのためのハイブリッド訓練VLA2025/10/1
思考連鎖(CoT)を学習しつつ推論時には省略可能にするハイブリッド訓練(HyT)を提案し、ロボット操作の性能を保ちながら推論速度を改善した。
- 重要なものに注目:視覚言語行動モデルのための物体・エージェント中心トークン化VLA2025/9/1
物体とエージェントに注目したトークン化で視覚トークン数を大幅に削減し、VLAモデルの学習を高速化・高性能化する手法を提案。
- コードから行動へ:拡散VLMポリシーの階層的学習VLA2025/9/1
コード生成VLMと低レベル拡散ポリシーを組み合わせ、タスクをサブルーチンに分解して模倣・汎化する階層的枠組みを提案。
- 物体操作のための生成的世界モデルにおける位置情報の表現マニピュレーション2024/9/1
生成的世界モデルに目標物体の位置情報を明示的に組み込む手法を提案し、位置条件付けと潜在条件付けの2方式で物体配置タスクの性能を向上させた。
- GenRL: 身体性エージェントの汎化のためのマルチモーダル基盤ワールドモデルVLA2024/6/1
視覚言語基盤モデルと生成ワールドモデルを言語注釈なしで結びつけ、視覚や言語プロンプトからタスクを指定して想像空間で方策を学習する枠組みを提案。
- ロボット学習のための冗長性を考慮した行動空間マニピュレーション2024/6/1
マニピュレータの冗長性に着目し、関節空間とタスク空間の利点を併せ持つ新しい行動空間ERを提案。シミュレーションと実機で有効性を検証した。
- 効率的なロボットマニピュレーションのための情報駆動型アフォーダンス発見マニピュレーション2024/5/1
環境との相互作用を情報理論的に評価し、アフォーダンスの発見を加速する手法IDAを提案。シミュレーションと実機でデータ効率を大幅に改善し、把持や積み重ね、引き出し開けなどのアフォーダンスを効率的に学習できることを示した。
- 世界モデルと好奇心によるゼロからのナビゲーション学習:良い点、悪い点、醜い点ナビゲーション2023/8/1
世界モデルと好奇心駆動型探索を組み合わせ、未知環境での自律ナビゲーションをゼロから学習するシステムを提案し、シミュレーションと実環境で評価した。
- 効率的なロボットマニピュレーションのための情報駆動型アフォーダンス発見マニピュレーション2023/8/1
情報理論に基づく報酬設計でロボットのアフォーダンス学習を効率化し、シミュレーションと実機で把持・積み重ね・引き出し開けのデータ効率を改善した。
- FOCUS: ロボットマニピュレーションのためのオブジェクト中心世界モデルマニピュレーション2023/7/1
物体中心の世界モデルを学習するモデルベースエージェントFOCUSを提案し、ロボットマニピュレーションタスクにおいて効率的な探索とタスク解決を実現した。
- 能動推論による物体中心シーン表現能動推論2023/2/1
能動推論を用いた階層的物体中心生成モデルで、エージェントが物体カテゴリと姿勢を推論し、目標視点探索タスクで教師あり・強化学習を上回る性能を示した。
- 物体中心型深層能動推論モデルにおける形状と姿勢の分離能動推論2022/9/1
ShapeNetの3D物体を対象に、物体の形状・姿勢・カテゴリを因子分解して学習する深層能動推論モデルを提案し、分離性の高いモデルほどエージェントが好みの観測に到達するタスクで優れた性能を示すことを明らかにした。
