Steven Bohez
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
- 物理シーンのスプラッティング:不完全なロボットデータからのエンドツーエンド実世界→シミュレーションsim2real2025/6/1
3Dガウススプラッティングと物理シミュレーション用メッシュを統合し、生のロボット軌道から物体形状・見た目・ロボット姿勢・物理パラメータを微分可能レンダリングと微分可能物理で同時最適化する実世界→シミュレーション手法を提案。
- 筋肉によるモーションキャプチャ:パラメトリック筋骨格犬モデルの予測制御筋骨格モデル2025/6/1
正確な3D筋メッシュから生成した犬の筋骨格モデルと、様々な制御アルゴリズムに対応するモーションキャプチャベースの歩行タスクを提案し、筋活動パターンをEMGデータと比較して検証した。
- Proc4Gem: 手続き的生成による物理的エージェンシーの基盤モデルsim2real2025/3/1
物理シミュレーションで接触を含む軌道を大量生成し、そのデータでGeminiを微調整することで、言語指示に従って四足ロボットが実環境で物体を押し動かせるようにした研究。
- Gemini Robotics:AIを物理世界へVLA2025/3/1
Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。
- Barkour:四足ロボットの動物レベル敏捷性を測るベンチマーク歩行2023/5/1
犬のアジリティ競技に着想を得た障害物コース「Barkour」を提案し、強化学習とTransformerベースの汎用歩行ポリシーで犬の半分の速度で完走できることを示した。
- NeRF2Real:ニューラル放射輝度場を用いた視覚誘導二足歩行運動スキルのSim2Real転移sim2real2022/10/1
スマホで撮影した短い動画からNeRFでシーンの形状と新規視点画像を学習し、物理シミュレータ上で視覚ベースの二足歩行ロボットの全身ナビゲーションとボール押し方策を学習して実機に転移した。
- オフポリシーデータを用いたロボット生涯学習における忘却と不均衡強化学習2022/4/1
生涯学習RLで生じる「保守性と学習効率のトレードオフ」と「環境間データ不均衡による性能低下」を分析し、オンライン対話とオフライン蒸留を分離する手法で解決する。
- 模倣して再利用:人と動物の動作から学習する再利用可能なロボット運動スキルsim2real2022/3/1
人や犬のモーションキャプチャデータを模倣して脚式ロボットの運動スキルモジュールを学習し、歩行やボールドリブルなどの下流タスクに再利用して実機へゼロショット転移した研究。
- 重心ダイナミクスプランナの模倣による地形適応型四脚歩行の学習歩行2021/11/1
非線形ソルバが手続き生成地形上で計画した軌道を模倣学習させることで、精密な足置きを要する難地形を動的に踏破できる地形適応型四脚ロボット制御器を獲得した研究。
- dm_control:連続制御のためのソフトウェアとタスク集強化学習ベンチマーク2020/6/1
MuJoCoを基盤とした強化学習向けのPythonライブラリ群と、歩行・マニピュレーションなどの標準タスクスイートを提供するソフトウェアを公開した。
- 制約付きモデルフリー連続制御強化学習2019/2/1
ラグランジュ緩和を用いて、タスク達成を保証しつつ制御努力などの補助コストを最小化する制約ベース強化学習手法を提案し、滑らかな制御ポリシーを学習できることを示した論文。
- 四足歩行ロボットの俊敏な移動をシミュレーションから実世界へ学習させるsim2real2018/4/1
深層強化学習で四足歩行の制御をシミュレーション上で学習し、シミュレータ改良とロバスト方策で実機に転移させ、トロットとギャロップを実現した。
- 深層強化学習によるロボット制御のためのセンサフュージョンセンサフュージョン2017/3/1
複数センサの情報を融合し、実行時のセンサ故障にも頑健な深層ニューラルネットワークを構築し、シミュレーションと実世界の探索・把持タスクで評価した。
