Zhanpeng He
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
- 近接・触覚センシングを活用したロボットマニピュレーションの探求触覚2026/11/2
複数ゾーンのToFセンサと光学式圧力センサを組み合わせた触覚センサToFTouchを開発し、把持前調整・混雑物からの取り出し・狭所への挿入の3タスクで有効性を示した。
- DITTO-X: 巧みな操作と人間介入のための順方向・逆方向テレオペレーションテレオペレーション2026/9/30
ロボットハンドの関節力と指先接触を提示し、逆方向テレオペレーションで操作者の指をロボットの姿勢に合わせる、ハンド非依存の巧みなテレオペレーションインターフェースを提案。
- MiniBEE:コンパクト双腕デクスタリティのための新しい形態マニピュレーション2025/10/1
低自由度の2本のアームを運動学的に結合し、グリッパ間の相対位置を保ちながら小型・軽量な双腕マニピュレータを実現した研究。ウェアラブルなデータ収集とロボットアームへの搭載の両モードを提案。
- SpikeATac:巧みな操作のための触覚素子化動的センシングを備えたマルチモーダル触覚指触覚2025/10/1
PVDFフィルムと静電容量センサを組み合わせたマルチモーダル触覚指を開発し、人間のフィードバックによる強化学習で繊細な物体の把持やハンド内操作を実現した。
- VibeCheck: 能動的音響触覚センシングによる接触の多いマニピュレーション触覚2025/4/1
圧電フィンガーで物体に音響振動を伝え、その応答から物体の材質や接触状態を推定し、ペグ挿入タスクを模倣学習で実現した研究。
- 不確実性はただで手に入る:拡散モデルによるヒューマン・イン・ザ・ループ政策VLA2025/3/1
拡散政策の生成過程から不確実性指標を計算し、必要な時だけ人間の支援を要請する手法を提案。訓練時の操作者不要で、微調整用データ収集にも活用できる。
- 腱駆動型劣駆動運動連鎖のためのタスクベース設計と方策の同時最適化マニピュレーション2024/5/1
腱駆動の劣駆動マニピュレータについて、タスクに基づくハードウェア設計と制御方策を強化学習で同時最適化し、実機への転移を実証した。
- MORPH: 微分可能なハードウェアモデルプロキシによる強化学習を用いた設計共最適化設計共最適化2023/9/1
微分可能なプロキシハードウェアモデルを導入し、強化学習によってハードウェア設計パラメータと制御方策を同時に最適化する手法を提案。2Dリーチングと3D多指マニピュレーションで有効性を示した。
- Pick2Place: 配置タスクを考慮した物体中心の視点アフォーダンスによる6DoF把持推定マニピュレーション2023/4/1
配置シーンの視点画像から配置アフォーダンスを予測し、把持と配置の対応関係を利用してタスクに適した6DoF把持を推定する手法を提案。実機・シミュレーションで89%以上の成功率を達成。
- 不確実性を考慮した強化学習によるヒューマン・イン・ザ・ループ型ロボットエージェントの意思決定強化学習2023/3/1
強化学習を用いて、ロボットがタスク成功への自信が低い時にのみ外部専門家に援助を求める手法を提案し、限られた援助回数で効率的にナビゲーションタスクを解決できることを示した。
- マルチタスク強化学習によるロボットマニピュレーションのシナジー発見マニピュレーション2021/10/1
複数のマニピュレーションタスクを同時に学習しながら、低次元のシナジー空間を自動的に発見する強化学習フレームワークを提案し、少ないシナジーで多様なタスクを遂行できることを示した。
- 関節物体のための汎用操作ポリシーネットワークUMPNetマニピュレーション2021/9/1
単一画像から任意の関節物体を操作する閉ループ行動系列を推論するポリシーを提案し、自己誘導探索とArrow-of-Time属性により人間のデモなしで学習・汎化を実現した。
- ロボット操作のための3D動的シーン表現の学習3Dシーン表現2020/11/1
物体の永続性・非可視形状の完全性・時空間連続性を捉える3Dボリューム表現DSRと、複数回の観測を統合してこれを構築・更新するDSR-Netを提案し、モデル予測制御と組み合わせて押し操作などの計画精度を向上させた。
- ハードウェアをポリシーとして:深層強化学習による機械・計算の協調最適化ハードウェア協調設計2020/8/1
ロボットの身体を「ハードウェアポリシー」として微分可能な計算グラフでモデル化し、制御ポリシーと同時に強化学習で最適化する手法を提案。おもちゃの質量-ばね問題と実機の劣駆動ハンド設計で有効性を示した。
- SQUIRL: 単一動画デモから長期的ロボット操作タスクを堅牢かつ効率的に学習するメタ逆強化学習模倣学習2020/3/1
単一の動画デモのみから新しい長期的操作タスクを堅牢に遂行するメタ逆強化学習アルゴリズムSQUIRLを提案し、実機で90%以上の成功率を達成した。
- Meta-World:マルチタスク・メタ強化学習のためのベンチマークメタ強化学習2019/10/1
50種類のロボット操作タスクからなるオープンソースのシミュレーションベンチマークを提案し、7つの最先端メタRL・マルチタスクRL手法を評価した。
- シミュレータ予測制御:学習済みタスク表現とMPCによるゼロショット汎化とスキル系列化sim2real2018/10/1
シミュレーションで学習したスキル埋め込みと条件付き方策を実機に転送し、シミュレータ内で方策を並列実行するMPCで未知タスクをゼロショットで遂行する手法を提案。
- 再利用可能なスキル合成によるシミュレーションから実機への転移のスケーリングsim2real2018/9/1
低レベルスキルを多様かつ再利用可能な形で学習し、スキル埋め込みで組み合わせることで、実機での学習時間をほぼゼロに高レベルタスクを達成するsim2real手法を提案。
