Tran Nguyen Le
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
- MambaAct: フローマッチングVLAのための効率的なMambaアクションエキスパートVLA2026/10/16
フローマッチング型VLAモデルのアクションエキスパートをTransformerから軽量なMambaベースに置き換え、推論遅延を大幅に削減しつつ成功率も向上させた研究。
- ラボから店舗へのギャップを埋める:小売ヒューマノイド向けデータ効率的なポストトレーニングと経験駆動学習VLAフレームワークVLA/ヒューマノイド2026/7/1
スーパーマーケットの棚補充タスクにおいて、データ効率的なポストトレーニングと経験駆動の学習を組み合わせたVLAフレームワークを提案し、単一GPUで実世界運用可能な性能を達成した。
- FOCA: 未来指向型条件付けによるデータ効率的な視覚言語行動適応VLA2026/6/18
視覚言語行動モデルの少数ショット模倣学習における性能低下を改善するため、未来の相互作用埋め込みと目標観察を活用した未来指向型条件付けフレームワークを提案した。
- G³VLA:視覚言語行動モデルのための幾何学的帰納バイアスVLA2026/6/1
カメラの較正情報を視覚トークンに注入する幾何学モジュールを提案し、既存のVLAモデルの性能を多様なベンチマークで向上させた。
- 視覚言語行動モデルのファインチューニングには、思っているより少ない層で十分であるVLA/モデル圧縮2026/6/1
大規模な視覚言語行動(VLA)モデルには層ごとの冗長性があることを発見し、学習不要の構造圧縮パイプラインを提案。冗長な層を除去してモデルを最大50%圧縮し、ファインチューニング時間を40-50%、推論時間を最大30%削減しつつ、性能はフルモデルと同等以上を達成した。
- IA-VLA: 意味的に複雑なタスクにおける視覚言語行動モデルのための入力拡張VLA2025/9/1
大規模視覚言語モデルを前処理として使い、VLAの入力を拡張するフレームワークを提案。見た目が同じ物体を含む複雑な指示タスクで性能が向上することを示した。
- 共有自律制御におけるフィードバックからの人間の制約のオンライン学習共有自律制御2024/3/1
共有自律制御において、人間の作業負荷と不快感を軽減するため、フィードバックから人間の身体的制約をオンラインで学習し、人間の人間工学的な好みや限界に合わせて動作を適応させる支援エージェントを提案した。
- ハードウェア制約に適応した模倣学習による変形可能物体の動的マニピュレーションマニピュレーション2024/3/1
人間の動的実演をロボットの制約に合わせて変換し、準静的な微調整と組み合わせることで、しわくちゃの袋を両腕で開くタスクを1回の実演から学習するフレームワークBILBOを提案。
- 力覚計測を用いた対話型粒状材料識別触覚2024/3/1
ロボットが粒状材料に直接触れて力覚データを取得し、時間領域と周波数領域の特徴を組み合わせて11種類の材料をほぼ完璧に識別する手法を提案。
- SPONGE: 幾何特徴からの変形・剛体接触予測を用いたシーケンス計画マニピュレーション2023/3/1
剛体対象物の点群と変形ツールの姿勢から接触点を予測する深層学習モデルを構築し、皿洗いタスクの軌道計画をシミュレーションと実機で評価した。
- 制約付き6自由度把持の生成的サンプリングマニピュレーション2023/2/1
対象物体の特定部位に限定して6自由度把持を生成するネットワークVCGSを提案し、制約付き把持用データセットCONGを構築して、非制約手法より高い成功率とサンプル効率を示した。
- 変形可能な3D物体の把持を評価するためのシミュレーションベースの新しい品質指標把持計画2022/3/1
変形を考慮した把持シミュレーションから接触情報を予測し、変形物体向けの把持品質指標を提案。剛体用指標より把持成功率が平均18%向上した。
- 剛性情報を活用した変形物体の把持計画マニピュレーション2021/9/1
物体の剛性情報を深度画像と併せて把持計画ネットワークに入力し、柔らかい物体ではつまみ、硬い物体では包み込むなど剛性に応じた把持を生成できるようにした。
- 物理シミュレーションを用いた3D変形物体の把持生成変形物体把持2021/7/1
物理ベースシミュレータで生成した合成データのみで学習し、物体の剛性に応じて把持を適応させるディープラーニング手法を提案した論文。
- Multi-FinGAN:多指把持の粗から細への生成的サンプリングマニピュレーション2020/12/1
RGB-D画像から多指ロボットハンドの高品質な把持を約1秒で生成する粗密型の生成的サンプリング手法を提案し、シミュレーションと実機で把持品質と成功率の向上、最大20〜30倍の高速化を実証した。
- 視覚と触覚の計測に基づく表面摩擦の確率的推定触覚2020/10/1
視覚情報と限られた触覚探索を組み合わせ、物体全体の摩擦係数を推定する視触覚統合モデルを提案し、把持計画の改善に有効であることを示した。
- 人間の手のひらに着想を得た柔軟な手掌を持つソフトロボットハンドの新設計ソフトロボティクス2020/9/1
空気圧式の柔軟な指とモジュール式の柔軟な手掌を組み合わせたヒューマノイド型ソフトハンドを提案し、指の開閉や手掌の屈曲、親指の内外転を実現して多様な把持を実験で示した。
- 力制御ソフトロボットハンドによる安全な把持ソフトロボティクス/把持2019/9/1
力覚・曲げセンサを組み込んだソフトハンドで接触力を推定し、PI制御で空気圧を調整することで、変形しやすい物体を落とさず潰さず把持できることを示した。
