Roberto Calandra
TU Dresden
収録論文 52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
- 巧みな把持安定性のための時間的視触覚学習マニピュレーション2026/10/7
4本の高解像度触覚センサを備えた多指ロボットハンドで1万回の把持試行を収集し、触覚を含む時間的多モーダルモデルで持ち上げ後の安定性を予測、実機での再把持により成功率を10.5ポイント改善した。
- Norm2Tex: 視触覚シミュレーションをテクスチャで拡張触覚2026/9/21
ノーマルマップから高周波の表面詳細を視覚ベース触覚シミュレータに組み込み、シミュレーションと実世界の触覚データのギャップを埋めるプラグイン手法を提案。
- MISTac: 低侵襲手術のための視覚ベース触覚センサ触覚2026/8/14
低侵襲手術で失われる触覚フィードバックを補うため、直径8mmの交換可能なセンサチップを持つ高解像度の視覚ベース触覚センサMISTacを開発し、組織分類タスクで約84%の精度を達成した。
- RCT: ロボット収集による触覚-視覚-言語データセットと触覚汎化の評価触覚2026/6/1
ロボットが122種類の工業材料を押した際の触覚データを収集し、未見の材料に対する触覚表現の汎化性能を評価するためのデータセットと評価手法を提案した論文。
- SemanticFeels: ハンド内操作中の意味的ラベリング触覚2026/2/1
視覚と触覚から物体の形状と素材を同時に認識するため、ニューラル暗黙形状表現に意味的ラベリングを統合したフレームワークを提案し、多素材物体で平均79.87%の素材分類精度を達成した。
- Robot Control Stack：大規模ロボット学習のための軽量エコシステムVLA2025/9/1
VLAや強化学習ポリシーの学習・実機実験を支援する、シミュレーションと実機を統一インターフェースで扱う軽量なロボット制御フレームワークを提案し、OctoやOpenVLAなどの性能を評価した。
- 信念・欲求・意図ロボットのための効果的な説明：いつ、何を説明するかHRI2025/7/1
キッチンでの掃除タスクを行うロボットを対象に、ユーザーが説明を求める状況と内容の好みを調査し、驚くような行動を特定して効果的な説明を生成する2つのアルゴリズムを提案した。
- 巧みな物体受け渡しの学習マニピュレーション2025/6/1
二本の多指ハンド間で物体を受け渡すタスクを強化学習で実現し、双四元数に基づく新しい報酬関数で回転距離を最小化することで、未知の物体や相手の動きに対する頑健性を実証した。
- 触覚MNIST：能動的触覚知覚のベンチマーク触覚2025/6/1
能動的触覚知覚タスク（位置推定・分類・体積推定）のためのオープンソースベンチマークと、合成・実世界の触覚データセットを提案した論文。
- APPLE: 強化学習による汎用的な能動的知覚の実現能動的知覚2025/5/1
強化学習を用いて、触覚探索などの能動的知覚タスクを汎用的に解くフレームワークAPPLEを提案し、Tactile MNISTベンチマークで有効性を示した。
- 動的照明と画像融合による視覚ベース触覚センサの強化触覚2025/4/1
視覚ベース触覚センサにおいて、複数の照明パターンで撮影した画像を融合することで、コントラストや鮮明さを改善し、センシング品質を高める手法を提案した。
- 模倣学習における触覚センシングの重要性：ロボットによるマッチ点火のケーススタディ触覚2025/4/1
視覚と触覚を統合したマルチモーダル模倣学習フレームワークを提案し、動的で接触の多いマッチ点火タスクにおいて触覚情報が政策性能を向上させることを示した。
- 実世界でピアノを弾くロボットの学習sim2real2025/3/1
シミュレーションと実世界を交互に学習するSim2Real2Simアプローチにより、実機の器用なロボットがピアノ曲を正確に演奏できることを示した。
- 視覚・音・触覚を用いたやさしい把持の学習マニピュレーション2025/3/1
視覚・触覚・聴覚のマルチモーダル入力から把持の安定性とやさしさを予測し、壊れやすい物体を最小限の力で把持する手法を提案した論文。
- 単純な技能から複雑な技能へ：ハンド内物体再配向の事例マニピュレーション2025/1/1
既存の回転スキルを再利用した階層的方策により、シミュレーションから実世界への転移が容易で外乱に頑健なハンド内物体再配向を実現し、固有感覚情報と低レベルスキル予測から物体姿勢を推定する手法も提案した。
- ManiSkill-ViTac 2025：視覚と触覚を用いたマニピュレーション技能学習チャレンジ触覚2024/11/1
触覚と視覚を融合させた接触の多いマニピュレーション技能学習を競うチャレンジを開催し、触覚操作・視触覚融合・触覚センサ設計の3部門で評価する。
- 人工多モーダル指先による触覚のデジタル化触覚2024/11/1
高解像度センサとオンデバイスAIを備えた半球状の人工指先を開発し、触覚・振動・熱・匂いを多モーダルに検出できることを示した論文。
- ManiSkill3: 汎化可能な身体性AIのためのGPU並列ロボティクスシミュレーションとレンダリングsim2real2024/10/1
接触の多い操作タスク向けに、シミュレーションとレンダリングをGPUで並列化した高速ロボティクスシミュレータManiSkill3を開発し、12分野の多様なタスクとデモデータ、ベースラインを提供した。
- 光ファイバーバンドルを用いた視覚ベース触覚センサの小型化触覚2024/3/1
光ファイバーバンドルを利用して、人間の指先より小さい直径15mmの視覚ベース触覚センサを開発し、前立腺の硬さを臨床的に識別できることを示した。
- 触覚・視覚・言語を統合するマルチモーダルデータセット触覚2024/2/1
44Kの視覚-触覚ペアに言語ラベルを付けたデータセットを構築し、触覚・視覚・言語を統合した生成モデルを訓練した。
- 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。
- Evetac: ロボットマニピュレーションのためのイベントベース光学触覚センサ触覚2023/12/1
RGBカメラをイベントカメラに置き換えた新しい光学触覚センサEvetacを開発し、1000Hzでのオンライン処理や滑り検出・把持制御への応用を示した。
- 視覚と触覚による汎用的な手先内物体回転マニピュレーション2023/9/1
シミュレーションで学習した視触覚融合トランスフォーマーにより、指先で多軸の物体回転を実現するシステムRotateItを提案した。
- 高速運動適応による把持内物体回転マニピュレーション2022/10/1
シミュレーションで訓練した適応制御器が、実機のロボットハンドで多様な物体を把持内で回転させる手法を提案。
- 衣服の特徴を定位・追従するための自己教師あり視触覚事前学習触覚2022/9/1
視覚と触覚のペアを自己教師ありで収集し、クロスモーダル対比学習で共有潜在空間を獲得することで、衣服の特徴分類や接触位置推定、遮蔽下での特徴探索、布端の追従などを可能にした研究。
- 必要なロボットは何か？グラフニューラルネットワークによる形態と制御の高速共適応形態共適応2021/11/1
深層NNとグラフNNを組み合わせ、限られた製造サイクル内でロボットの形態と制御をデータ効率的に共適応させる手法を提案し、シミュレーションで有効性を示した。
- 視覚と触覚による能動的な3D形状復元触覚2021/7/1
高解像度の視覚型触覚センサを備えた触覚シミュレータとメッシュベースの3D形状復元モデルを組み合わせ、触覚・視触覚の事前情報で探索を導くデータ駆動型の能動的触覚探索フレームワークを構築した。
- 器用な手と触覚でピアノを弾く学習への挑戦マニピュレーション2021/6/1
強化学習を用いて、楽譜から直接ピアノ演奏を器用な手で学習する手法を提案し、触覚を活用した報酬とカリキュラムでリズムや音量、運指の要求に対応できることを示した。
- PyTouch：触覚信号処理のための機械学習ライブラリ触覚2021/5/1
触覚センサの生データを制御や意思決定に使える高次信号へ変換する、モジュール式で使いやすいオープンソースの機械学習ライブラリPyTouchを提案し、接触検出や滑り・物体姿勢推定で評価した。
- モデル不変状態抽象化によるモデルベース強化学習モデルベース強化学習2021/2/1
行動の影響が局所的である因果的疎性を利用し、未見状態への組合せ的汎化を可能にする新たな状態抽象化「モデル不変性」を提案し、MuJoCo Humanoid等でサンプル効率の向上を示した論文。
- TACTO：高解像度視覚型触覚センサ向けの高速・柔軟・オープンソースシミュレータ触覚2020/12/1
視覚型触覚センサの触覚読み取りを毎秒数百フレームで高解像度に描画できるオープンソースシミュレータTACTOを提案し、把持安定性予測や操作制御、Sim2Realの実現可能性を示した。
- 長期ダイナミクスを正確に学習するモデルベース強化学習モデルベースRL2020/12/1
初期状態・将来時刻・制御パラメータから将来状態を直接予測する軌道ベースモデルを提案し、長期予測精度とサンプル効率を改善した。
- 学習された潜在行動空間での計画による汎化可能な脚式移動歩行2020/8/1
低レベル制御器と高レベル潜在行動空間を同時学習し、学習済みダイナミクスモデルでMPC的に潜在行動を計画することで、複数ロボットの脚式移動を汎化・高サンプル効率で実現した研究。
- 視覚と触覚による3D形状再構成触覚2020/7/1
ロボットハンドの触覚と視覚を統合し、チャートベースの手法で物体の3D形状を再構成する研究。触覚情報が接触部位周辺の再構成も改善することを示した。
- 空気圧人工筋ロボットによる卓球のゼロからの学習強化学習/マニピュレーション2020/6/1
空気圧人工筋で駆動するロボットアームを使い、モデルフリー強化学習で安全に卓球の返球・スマッシュを実機で学習させた研究。
- DIGIT: ハンド内マニピュレーションのための低コスト・コンパクト・高解像度触覚センサの新設計触覚2020/5/1
多指ハンドに搭載可能な小型・低コスト・高解像度の視覚型触覚センサDIGITを開発し、深層学習ベースの制御器でガラスビー玉のハンド内操作を実現した。設計はオープンソース化されている。
- 吊り下げペイロードを運ぶ飛行ロボットのためのモデルベースメタ強化学習飛行制御2020/4/1
吊り下げ荷物の未知の物理特性に飛行中数秒で適応するため、変化したダイナミクスのモデルをメタ学習する手法を提案し、非適応手法より優れた運搬性能を示した。
- OmniTact：多方向高解像度触覚センサ触覚2020/3/1
複数のマイクロカメラでゲル状皮膚の多方向変形を捉える、ロボット指先用の高解像度触覚センサを開発し、コネクタ挿入や接触角推定タスクで有効性を示した論文。
- モデルベース強化学習における目的関数のミスマッチ問題モデルベース強化学習2020/2/1
モデルベース強化学習において、ダイナミクスモデルの1ステップ先予測尤度の最適化と下流の制御タスク性能が必ずしも相関しない「目的ミスマッチ」問題を指摘し、その緩和手法を提案した論文。
- 深層強化学習による形態と行動のデータ効率的な共適応形態共適応2019/11/1
Soft Actor-Criticを基に、過去に試した形態と行動の情報を活用して新しい形態の性能を推定し、ロボットの形態と制御器を少ない試作回数で自動的に共適応させる手法を提案した。
- 階層強化学習による汎化可能な移動スキルの学習歩行2019/9/1
移動を多様なプリミティブスキルの学習とモデルベース計画による系列化に分割する階層学習フレームワークを提案し、実機の6脚ロボットで約2時間の学習から12m先の目標まで歩行できることを示した。
- マイクロロボットの形態と制御器をデータ効率的に学習する手法形態最適化2019/5/1
階層ベイズ最適化により、ロボットの形態設計と制御器チューニングを自動で交互に最適化し、6脚マイクロロボットのシミュレーションで製造サイクルを大幅削減した研究。
- 空気圧人工筋ロボットによる高速加速運動の制御学習マニピュレーション2019/4/1
空気圧人工筋で駆動する4自由度ロボットアームを製作し、ベイズ最適化で制御パラメータを実機上で安全に調整して高速軌道の追従性能を向上させた。
- 触覚による物体インスタンス識別：マルチモーダル照合を用いた触覚認識触覚2019/3/1
視覚と触覚の観測が同一物体に対応するかを判定するマルチモーダル照合として物体識別を定式化し、98物体の大規模データで触覚のみでも未知物体を高精度に識別できることを示した。
- 触覚で操る：深層予測モデルによる触覚ベース制御触覚2019/3/1
高解像度触覚センサと深層ニューラルネットのダイナミクスモデルを組み合わせ、生の触覚入力から触覚サーボを教師なしで学習する枠組みを提案し、ボールやサイコロなどを目標触覚状態へ操作できることを示した。
- 深層モデルベース強化学習によるクアッドロータの低レベル制御モデルベース強化学習2019/1/1
小型クアッドロータのホバリング制御を、シミュレーションなしの少量データで学習したモデルベース強化学習で実現した研究。
- 不確実性を考慮した力学モデルによる少ない試行での深層強化学習モデルベース強化学習2018/5/1
不確実性を考慮した深層アンサンブル力学モデルと軌道サンプリングを組み合わせたPETSを提案し、モデルフリー強化学習と同等の性能をはるかに少ないサンプル数で達成した。
- 感覚だけじゃない：視覚と触覚で学ぶ把持と再把持マニピュレーション2018/5/1
視覚と触覚の生データから把持調整の結果を予測し、効率的に把持を繰り返し調整する深層マルチモーダルモデルを提案した論文。
- マイクロロボットのための柔軟で再利用可能な歩行プリミティブの学習歩行2018/3/1
歩行を文脈付き方策探索としてデータを収集し、多目的歩行プリミティブを学習して計画に利用する手法を提案。動力学モデルなしで250試行以内に学習し迷路走破を実現した。
- 触覚は把持成功を予測できるか：視覚と触覚のマルチモーダル学習による検証触覚2017/10/1
GelSight触覚センサ付き2本指グリッパで9,000回以上の把持試行を収集し、視覚・触覚を組み合わせた深層学習モデルで把持成功を予測、触覚情報の追加が予測精度を大きく向上させることを示した。
- モデルベース事前分布を活用したモデルフリー強化学習強化学習2017/9/1
確率的ダイナミクスモデルを学習し、それをモデルフリー最適化の事前分布として組み込むことで、データ効率とコスト効率を両立させる強化学習手法を提案した。
- 力覚フィードバック付き低コストセンサグローブによる確率的軌道表現を用いた模倣学習模倣学習2015/10/1
約250ユーロで作れる力覚フィードバック付きセンサグローブを開発し、Matlab用のオープンソースインターフェースを提供するとともに、ヒューマノイドロボットiCubでの物体操作スキルの模倣学習に応用した。
