Sudeep Dasari
収録論文 20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
- Gemini Robotics 1.5:高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げるVLA2025/10/1
異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。
- 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。
- 汎用ロボットマニピュレーション政策の評価のための分類体系マニピュレーション2025/3/1
ロボットマニピュレーションにおける汎化の種類を整理した分類体系STAR-Genを提案し、実世界ベンチマークで検証した。
- ロボット拡散トランスフォーマーの構成要素VLA2024/10/1
拡散モデルとトランスフォーマーを組み合わせたロボット政策の設計指針を検討し、長期的な器用タスクで高性能を発揮する新アーキテクチャを提案した。
- 異なる身体を超えて学ぶ:操作・ナビゲーション・歩行・飛行を1つのポリシーでVLA2024/8/1
20種類のロボットの90万軌道をTransformerで学習し、単一のポリシーでマニピュレーションから歩行・飛行まで制御できるCrossFormerを提案した。
- HRP: 人間のアフォーダンスを活用したロボット事前学習VLA2024/7/1
インターネット上の人間動画から手・物体・接触のアフォーダンスを自動抽出し、既存の視覚表現を微調整することで、多様なロボットタスクの性能を向上させる手法を提案。
- Octo: オープンソースの汎用ロボットポリシーVLA2024/5/1
80万件の軌道データで学習したTransformerベースの汎用ロボットマニピュレーションポリシーを提案し、言語や目標画像で指示でき、新しいセンサーや行動空間にも短時間でファインチューニング可能であることを示した。
- 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。
- 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。
- 視覚運動事前学習用データセットの公平な評価事前学習2023/10/1
ロボットの視覚運動事前学習において、アルゴリズムよりもデータセット選択が重要であることを示し、従来の視覚データセットが意外に有効であることや、シミュレーションベンチマークの限界を明らかにした。
- MyoDex:巧みな操作のための汎化可能な事前知識マニピュレーション2023/9/1
人間の筋骨格モデルを用いたマルチタスク学習により、多様な巧みな操作タスクに転移可能な汎用事前知識を獲得し、少数の試行で新しい操作行動を学習できることを示した。
- 見て操作する:事前学習済み表現から操作コントローラを生成マニピュレーション2023/3/1
事前学習済み視覚表現を人間の動画で微調整し、距離関数とダイナミクス予測器を学習することで、ロボット実演なしに多様な実世界操作タスクを高成功率で実行する手法を提案。
- 把持前姿勢と物体軌道の例示による器用なマニピュレーションの学習マニピュレーション2022/9/1
把持前姿勢(pre-grasp)を探索の手がかりに使い、タスクごとの設計や調整なしで多様な物体の器用な操作行動を学習するPGDMフレームワークを提案し、50タスクのベンチマークTCDMで有効性を示した。
- RB2: ロボットマニピュレーションのためのランキング型ベンチマークマニピュレーション2022/3/1
SOTAアルゴリズム実装をベンチマークに組み込み、複数ラボの実験データを統合してグローバルなランキングを確立する手法を提案した論文。
- 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。
- ワンショット視覚模倣のためのTransformer模倣学習2020/11/1
他エージェントの動画からロボットの行動を推論し、テスト時に一度の実演例で新しいタスクを模倣できるTransformerベースの手法を提案。
- 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。
- 視覚的先読み:視覚ベースロボット制御のためのモデルベース深層強化学習モデルベース強化学習2018/12/1
カメラ画像から未来を予測するモデルを自己教師ありで学習し、その予測に基づくモデル予測制御で未知の物体を含む多様な操作タスクを実現した研究。
- 再試行によるロバスト化:自己教師あり学習を用いた閉ループロボットマニピュレーションマニピュレーション2018/10/1
生画像入力のみから自己教師あり学習でロボットの操作スキルを獲得する手法を提案し、不完全な予測モデルでも対象物を追跡しながら繰り返し再試行することで把持や物体の再配置などの複雑なタスクを実現した。
- 人間の動画から一発学習:ドメイン適応メタ学習による模倣模倣学習2018/2/1
メタ学習で事前知識を獲得し、人間の1本の動画からロボットが新しい物体の配置・押し・ピック&プレースを学習できる手法を提案。
