Stephen Tian
Stanford University
収録論文 22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
- ToolDex: 創造的な道具使用のための自己中心・外界中心人間デモンストレーションデータセット道具使用データセット2026/11/6
人間が身近な物体を道具として選び・加工し・転用する様子を、自己中心カメラと8台の外界カメラで同期収録した大規模データセットを構築し、道具使用推論・疎視点3D/4D再構成・ロボット方策学習のベンチマークを整備した。
- MobileVISTA: 移動マニピュレーションにおける姿勢汎化のための生成データ拡張移動マニピュレーション2026/10/5
単一姿勢の実演データから、視覚観測の拡張と動作の再ターゲティングを組み合わせて姿勢摂動に頑健な訓練データを生成し、ヒューマノイドや双腕ロボットの移動マニピュレーションの汎化性能を向上させるフレームワーク。
- InSight: 操縦可能なVLAによる自己誘導型スキル獲得VLA/スキル獲得2026/6/1
VLAモデルにプリミティブ動作レベルでの操縦性を持たせ、デモンストレーションの自動分割とVLMによるデータ収集のフィードバックループを通じて、人間のデモなしに新しい操作スキルを自律的に獲得するフレームワークを提案した。
- CoStream: 単純な行動の合成による汎用的な複雑操作の実現マニピュレーション2026/6/1
複雑な操作タスクを、基盤モデルと多様なセンシングを組み合わせた複数の単純な行動(意味的・予測的・反応的)に分解し、それらをSE(3)インターフェース上で合成することで、高精度と汎用性を両立するフレームワークを提案した。
- Phys2Real: VLMの事前知識と対話型オンライン適応を融合した不確実性を考慮したSim-to-Realマニピュレーションsim2real2025/10/1
VLMが推定した物理パラメータの事前分布と、実機での対話データから得られるオンライン推定を不確実性を考慮して統合し、シミュレーションで学習したマニピュレーションポリシーを実世界に転移させる手法を提案。
- DexSkin:接触の多いマニピュレーション学習のための高被覆型柔軟ロボットスキン触覚2025/9/1
柔軟で形状適合性の高い静電容量式電子皮膚を開発し、グリッパ指全体を覆う触覚センシングを実現して、物体の持ち替えや輪ゴム巻き付けなどの接触の多いマニピュレーションを模倣学習と強化学習で習得できることを示した。
- デジタルツインカタログ:大規模フォトリアリスティック3Dオブジェクトデータセット3D再構成/データセット2025/4/1
2000体の高精細3Dオブジェクトと、DSLRカメラおよびARグラスで撮影した画像列を含む大規模データセットを構築し、3Dデジタルツイン再構成の評価ベンチマークを提供した。
- ゼロショット新規視点合成による視点不変な方策学習マニピュレーション2024/9/1
単一画像から新規視点を合成するモデルをデータ拡張に用い、単一視点の実演データから視点に頑健な操作方策を学習する手法を提案し、実機・シミュレーションで有効性を示した。
- RoboPack: 触覚情報を活用した動力学モデルによる高密度パッキング触覚2024/7/1
視覚と触覚を組み合わせたリカレントグラフニューラルネットワークで物体状態を推定し、モデル予測制御により非把持操作や高密度パッキングを実現する手法を提案。
- 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。
- ロボティクスにおける基盤モデル:応用・課題・未来基盤モデル2023/12/1
ロボット知能に基盤モデルを活用する研究を調査し、知覚・意思決定・制御への応用と、データ不足や安全性などの課題を整理したサーベイ。
- ロボットマニピュレーションのための道具の設計と使用の学習マニピュレーション2023/11/1
タスクに応じて道具を設計する方策と、その道具を使って操作する方策を強化学習で同時に学習するフレームワークを提案し、実機ロボットに適用した。
- 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。
- 物体中心ニューラル散乱関数によるマルチオブジェクト操作マニピュレーション2023/6/1
物体ごとの光の散乱を表すニューラル表現OSFをモデル予測制御に組み込み、複数物体の操作を照明条件が厳しく未知の環境でも高精度に実現した。
- 制御中心の動画予測ベンチマーク動画予測2023/4/1
ロボット操作の計画における動画予測モデルの性能を評価するため、11タスクカテゴリ・310インスタンスを含む制御ベンチマークVP²を提案し、既存の知覚指標が下流タスクの成功を正確に予測できないことを示した。
- MaskViT: マスク視覚モデリングによる動画予測の事前学習動画予測2022/6/1
マスク視覚モデリングでTransformerを事前学習し、空間・時空間ウィンドウ注意と可変マスク率で高解像度動画予測を実現、実ロボット計画にも応用した。
- 自己教師あり機能距離を用いたモデルベース視覚計画モデルベース計画2020/12/1
オフラインのラベルなしデータのみから視覚ダイナミクスモデルと動的距離関数を学習し、目標観測を指定するだけで多様なタスクを達成するモデルベース視覚計画手法を提案した。
- 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。
- 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。
- 観察と相互作用から予測モデルを学ぶモデルベース強化学習2019/12/1
ロボットが自身の相互作用データに加え、人間の動画など他者の観察データも活用して予測モデルを学習する手法を提案し、道具使用の計画に応用した。
- RoboNet: 大規模マルチロボット学習のための共有データベースマニピュレーション2019/10/1
7種類のロボットから1500万フレームの動画を集めた共有データベースRoboNetを構築し、視覚ベースのマニピュレーション学習に活用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。
