Soroush Nasiriany
収録論文 18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
- RoboCasa365:汎用ロボットの訓練とベンチマークのための大規模シミュレーションフレームワークシミュレーション/ベンチマーク2026/3/1
家庭用移動操作ロボットの大規模ベンチマークRoboCasa365を提案し、365の日常タスクと多様な環境、大量のデモデータを用いて汎用ポリシーの評価と分析を行った。
- ロボットマニピュレーションのための大規模データセット学習で重要な要素は何かマニピュレーション2025/6/1
大規模ロボットデータセットの構成を体系的に研究し、多様性の強調点と既存データからの効果的なデモンストレーション検索方法を明らかにした。
- シミュレーションと実世界の共訓練:視覚ベースロボットマニピュレーションのための簡単なレシピマニピュレーション2025/3/1
シミュレーションと実世界のデータを混合して方策を共訓練する簡単な手法を提案し、ロボットアームとヒューマノイドの多様なタスクで実世界性能を平均38%向上させた。
- GR00T N1: 汎用人型ロボットのためのオープン基盤モデルVLA2025/3/1
視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。
- RT-Affordance: ロボットマニピュレーションのための汎用中間表現としてのアフォーダンスマニピュレーション2024/11/1
タスクの要所でのロボット姿勢を表すアフォーダンスを中間表現として用い、言語指示からアフォーダンス計画を生成して操作方策を条件付ける階層モデルを提案し、新規タスクで既存手法を50%以上上回る性能を示した。
- RoboCasa:汎用ロボットのための日常タスク大規模シミュレーションsim2real2024/6/1
キッチン環境を中心に多様な3Dアセットと100種類のタスクを備えた大規模シミュレーションフレームワークを構築し、生成AIや自動軌道生成でデータを拡張して汎用ロボットの模倣学習を可能にした。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- PRIME: 行動プリミティブによる模倣学習のデータ効率化フレームワークマニピュレーション2024/3/1
タスクをプリミティブ列に分解し、高レベル方策を模倣学習することで、長期的なマニピュレーションタスクのデータ効率を大幅に改善した研究。
- PIVOT: 反復的視覚プロンプティングによるVLMの行動知識の引き出しVLA2024/2/1
視覚言語モデルに対し、候補となる行動や軌道を画像上に重ねて反復的に選ばせる視覚プロンプティング手法PIVOTを提案し、追加学習なしでロボットのナビゲーションや操作を実現した。
- 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。
- MimicGen:人間のデモンストレーションからスケーラブルなロボット学習を実現するデータ生成システム模倣学習2023/10/1
少数の人間デモを新しい状況に適応させて大規模データセットを自動生成し、模倣学習によるロボットの長期的・高精度タスクの性能を向上させるシステムを提案。
- 実運用中のロボット学習:ヒューマン・イン・ザ・ループによる自律性と学習ヒューマン・イン・ザ・ループ/マニピュレーション2022/11/1
人間とロボットが作業を分担し、ロボットが苦手な場面では人間が介入する枠組み「Sirius」を提案。人間の信頼度で重み付けした行動クローニングにより、実運用データから方策を改善する。
- 事前データからの学習と検索によるスキルベース模倣学習模倣学習2022/10/1
過去のタスクのデータから時間的に拡張されたスキルを抽出し、新規タスク用のポリシーがそれらを呼び出す枠組みを開発。表現学習と検索ベースのデータ拡張で性能を向上させ、模倣学習やオフライン強化学習を上回ることを示した。
- 行動プリミティブで強化学習を拡張する多様なマニピュレーションタスクマニピュレーション2021/10/1
把持や押しなどの行動プリミティブのライブラリを階層的方策で組み合わせ、長期的なマニピュレーションタスクにおける強化学習の探索負担を軽減するMAPLEを提案した。
- オフライン人間デモンストレーションからのロボットマニピュレーション学習で重要なこと模倣学習2021/8/1
6つのオフライン学習アルゴリズムを5つのシミュレーションと3つの実世界の多段階マニピュレーションタスクで比較し、人間デモデータから学ぶ際の課題と教訓を明らかにした研究。
- 目標分布で条件付けする汎用強化学習ポリシー強化学習/マニピュレーション2021/4/1
目標を分布として表現し、それに条件付けられた汎用ポリシーをオフポリシーRLで学習するDisCo RLを提案し、新しい目標分布への汎化を要するロボット操作タスクで従来法を大きく上回った。
- robosuite:モジュール式ロボット学習シミュレーションとベンチマークシミュレーション2020/9/1
MuJoCoを基盤としたモジュール式ロボット学習シミュレーションフレームワークrobosuite v1.5の主要モジュールとベンチマーク環境を紹介する論文。
- ゴール条件付き方策を用いた計画立案計画立案2019/11/1
強化学習で学習したゴール条件付き方策を計画に組み込み、潜在変数モデルで状態を抽象化することで、画像ベースのロボットナビゲーションやマニピュレーションの多段階タスクを効率的に解く手法を提案した。
