Xibai Lou
収録論文 9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
- 属性ベースのロボット把持:データ効率の良い適応手法マニピュレーション2025/1/1
物体属性を活用し、新しい対象物を素早く把持するためのエンドツーエンドモデルを提案。ゲート付き注意機構で画像とテキストを融合し、自己教師あり学習と2つの適応手法で新環境に適応する。
- 制約環境における敵対的物体再配置のための異種グラフニューラルネットワークマニピュレーション2023/9/1
異種グラフニューラルネットワークで物体・目標・環境制約の関係を学習し、複数の操作スキルを組み合わせて未知や大型の物体を制約環境で再配置する階層型ロボットシステムを提案した。
- IOSG: 画像駆動型物体探索・把持マニピュレーション2023/8/1
参照画像だけを与えられたロボットが、散らかった環境で未知の対象物を探索し把持するための階層的強化学習手法を提案。
- 属性ガイドによる曖昧性解消を備えた対話型ロボット把持マニピュレーション2022/3/1
物体属性を手がかりに曖昧な指示を対話で解消する把持システムを提案し、実機で91.43%の選択精度を達成した。
- 密な clutter 環境における対象物駆動型把持のためのグラフニューラルネットワークによる物体関係学習マニピュレーション2022/3/1
密に散らかった環境で対象物を把持するため、物体間の空間関係をグラフとして表現し、グラフニューラルネットワークで6自由度の把持姿勢を予測する手法を提案した。形状補完を用いたサンプリングで効率も向上し、実環境で77.78%の把持成功率を達成した。
- 属性に基づくロボット把持:一回の把持適応マニピュレーション2021/4/1
画像とテキストの属性を融合して把持可能領域を予測し、未知物体にも1回の把持データで適応できる把持学習手法を提案。
- 制約環境における衝突を考慮した目標駆動型物体把持マニピュレーション2021/4/1
周囲構造物との衝突を避ける把持姿勢の到達可能性を自己教師あり学習で予測するCARPを提案し、6-DoF把持の成功率を大幅に向上させた。
- 到達可能性を考慮した6自由度把持姿勢生成の学習マニピュレーション2019/10/1
ボクセルベースの3D CNNで6自由度の把持姿勢を生成し、把持の安定性に加えてロボットが実際に到達できるかも学習して評価する手法を提案。シミュレーションと実機で未知物体に対し82.5%の把持成功率を達成した。
- 環境の壁を利用した物体把持のための視覚アフォーダンス学習:目標指向Deep Q-Networkマニピュレーション2019/10/1
単一のグリッパでは掴めない物体を壁や家具に押し当てて把持するタスクに対し、目標指向型Deep Q-Networkで視覚アフォーダンスマップを学習し、シミュレーションで訓練後、実機ロボットで人間に匹敵する性能を達成した。
