Rutav Shah
収録論文 12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
- キュレーション不要の記憶:ロボットポリシーのためのマルチストリーム潜在記憶学習VLA2026/10/9
視覚・行動・固有感覚などの複数ストリームを潜在記憶に圧縮し、推論時に逐次更新することで、低遅延かつショートカット学習を避けつつVLAモデルを長期記憶で拡張するフレームワークIMPRINTを提案。
- 長期的ロボット制御のための視覚運動ポリシーにおける記憶検索VLA2026/6/1
部分観測環境での長期タスクを可能にするため、注意機構を用いた記憶検索を備えた視覚運動ポリシーHALOを提案。VLMの事前知識を活用して誤相関を抑え、記憶誤差の蓄積を軽減する。
- 視覚運動ポリシーの短期記憶を拡張し長期的タスクを実現模倣学習2026/6/1
本論文は、模倣学習による視覚運動ポリシーに短期記憶を効果的に組み込むためのアーキテクチャPRISMを提案し、新しいベンチマークReMemBenchで評価した。
- MimicDroid: 人間の遊び動画からの文脈内学習によるヒューマノイドロボット操作VLA2025/9/1
人間の遊び動画のみを訓練データとして、ヒューマノイドが新しい操作タスクを数例の動画から効率的に学習できる文脈内学習手法を提案し、実世界で成功率を約2倍に向上させた。
- Casper: 視覚言語モデルによる多様な意図推論を実現する支援型遠隔操作遠隔操作2025/6/1
視覚言語モデルの常識知識を活用し、ユーザーの操作入力から多様な意図をリアルタイムに推論して、長期的な移動マニピュレーション作業を支援する遠隔操作システムを提案した。
- SCIZOR: 大規模模倣学習のための自己教師ありデータキュレーション模倣学習2025/5/1
模倣学習データから低品質な状態行動ペアを自己教師ありで除去し、少ないデータで性能を平均15.4%向上させる手法を提案。
- BUMBLE: 視覚言語モデルによる建物全体の移動マニピュレーションのための推論と行動の統合移動マニピュレーション2024/10/1
建物規模の長期的な移動マニピュレーションタスクに取り組むため、視覚言語モデルを基盤に開放世界RGBD知覚、粗から細への運動スキル、二層メモリを統合したフレームワークBUMBLEを提案し、70試行で平均47.1%の成功率を達成した。
- LOTUS: 教師なしスキル発見によるロボットマニピュレーションの継続的模倣学習マニピュレーション2023/11/1
少数の人間のデモからスキルライブラリを継続的に拡張し、メタコントローラで組み合わせて新しいマニピュレーションタスクを生涯学習する手法を提案。
- RoboHive:ロボット学習のための統合フレームワークロボット学習2023/10/1
多様なロボット学習環境を統一インターフェースで提供し、模倣学習や強化学習などの研究を容易にするソフトウェア基盤を構築した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- MUTEX: マルチモーダルなタスク指定から統合ポリシーを学習VLA2023/9/1
動画・画像・テキスト・音声など6種類のモダリティで与えられたタスク指示を統合的に理解し、Transformerでクロスモーダル推論を行うポリシー学習手法を提案。
- RRL: 強化学習のための表現としてのResNet強化学習2021/7/1
事前学習済みResNetの特徴量を強化学習パイプラインに融合し、カメラや関節エンコーダなどの自己受容センサ入力から複雑な器用な操作行動を直接学習する手法を提案した論文。
