Thomas Kollar
収録論文 19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
- GHIL-Glue: フィルタリングされたサブゴール画像による階層制御VLA2024/10/1
生成モデルが作るサブゴール画像をフィルタリングし、下位方策と効果的に繋ぐことで、言語条件付きロボット操作の汎化性能を向上させた研究。
- 言語埋め込みガウシアンスプラット(LEGS):移動ロボットによる部屋規模表現の漸進的構築VLA2024/9/1
移動ロボットが環境を移動しながら、見た目と言語意味を統合した3D表現(LEGS)をオンラインで構築し、オープン語彙の物体検索を可能にする手法を提案。LERFより3.5倍高速で、最大66%の精度で物体を特定できる。
- OpenVLA: オープンソースの視覚-言語-行動モデルVLA2024/6/1
97万件の実機ロボット実演で学習した7BパラメータのオープンソースVLAモデルを提案し、閉源モデルRT-2-Xを上回る汎用マニピュレーション性能と効率的なファインチューニングを実現した。
- 行動クローニング方策の汎化性能を統計的に評価する枠組みVLA2024/5/1
少数のロールアウトから、行動クローニング方策の性能分布の下限をユーザー指定の信頼度で保証する統計的評価フレームワークを提案し、シミュレーションと実機で検証した。
- 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。
- ティーンの問題:確率的集合被覆としての効率的な衣類片付けマニピュレーション2023/10/1
散らばった衣類をバスケットに効率よく片付けるため、俯瞰カメラ画像のセグメンテーションと確率的集合被覆定式化を用いて複数衣類の把持位置を選ぶ手法を提案し、ランダム比で最大81%の効率改善を示した。
- 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。
- HANDLOOM: 検査と操作のための一次元物体の学習ベース追跡変形可能物体操作2023/3/1
多数の交差を持つケーブルなどの変形可能な線状物体の軌跡を、ニューラルネットワークでグレースケール画像から推定し、結び目認識やロボットによる結び・ほどき操作を可能にする手法を提案。
- 対話的知覚による層分離の学習と袋詰めへの応用マニピュレーション2023/3/1
通常の視覚と平行グリッパのみを用い、対話的知覚で素材の最上層を把持して袋を開くSLIPを提案し、自律袋詰めタスクで高い成功率を達成した。
- CARTO: カテゴリと関節に依存しない多関節物体の再構成3D再構成2023/3/1
単一のステレオRGB画像から複数の多関節物体の3D形状・姿勢・関節状態を一度に推定する手法を提案。カテゴリ横断的な学習を可能にし、実世界への転移も実現した。
- ロボティクスのための言語駆動型表現学習表現学習2023/2/1
人間の動画と言語キャプションから、言語条件付き視覚再構成と視覚接地言語生成を組み合わせてロボット学習用の視覚表現を学習するVoltronを提案し、5つのロボット学習問題で従来手法を上回る性能を示した。
- AutoBag: ビニール袋を開いて物体を入れる動作の学習マニピュレーション2022/10/1
UV蛍光マーカーを使った自己教師あり学習でビニール袋の取っ手と縁を認識し、双腕ロボットが袋を開いて物体を挿入できるようにした研究。
- SGTM 2.0: 対話的知覚を用いた長尺ケーブルの自律的絡まり解消マニピュレーション2022/9/1
ロボットが不確かさを推定しながらケーブルと対話的に動くことで、約3mの長いケーブルの絡まりを自律的に解消するシステムを開発し、従来手法より高速・高精度に成功させた。
- ShAPO: 複数物体の形状・外観・姿勢を統合最適化する暗黙表現6D姿勢推定2022/7/1
単一のRGB-D画像から複数物体の検出・形状・外観・6D姿勢・サイズを同時推定する手法を提案し、NOCSデータセットで大幅な精度向上を達成した。
- 片腕フリング動作による衣類の効率的な平滑化学習マニピュレーション2022/6/1
6自由度ロボットアームが片腕のフリング動作を学習し、衣類のカバー率を高める粗から細への学習法を提案。バンディットと連続最適化を組み合わせ、事前経験で新規衣類の学習時間を最大87%短縮した。
- CenterSnap: 単一ショットでの複数物体3D形状復元とカテゴリ別6D姿勢・サイズ推定6D姿勢推定2022/3/1
単視点RGB-D画像から複数物体の3D形状・6D姿勢・サイズをバウンディングボックス不要の一段階手法で同時推定し、40FPSで動作する手法を提案。
- SimNet:ステレオ画像と合成データだけで未知物体操作を実現するsim2real2021/6/1
シミュレーションのステレオ画像を入力に、セグメンテーションや3Dバウンディングボックス、キーポイント、視差を同時に学習する単一ネットワークSimNetを提案し、実機ロボットで未知物体の把持を実現した。透明物体でも95%の把持成功率を達成。
- 家庭内の複雑タスクをVRによる一度の教示で実行する移動マニピュレーションシステムマニピュレーション2019/10/1
VRで一度だけ人間が教示した複雑な家庭内タスクを、移動マニピュレーションロボットが自律実行するシステムを開発し、複数の実家庭で85%の成功率を達成した。
- 一般化グラウンディンググラフ:接地されたコマンド理解のための確率的枠組み言語接地2017/12/1
自然言語コマンドの構文解析構造に応じて確率的グラフィカルモデルを動的に構築し、言語の多様性と複雑な構造を扱いながらコマンドの各部分を実世界の物体・場所・事象に接地する枠組みG^3を提案した論文。
