Balakumar Sundaralingam

収録論文 38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

• GaP: 変動的オートメーションタスクのためのグラフとしてのポリシーを用いたマルチエージェント自己学習ハーネス
  タスク計画2026/7/1

  ロボットの信頼性を高めるため、エージェント型コーディングと解釈可能なロボットプログラミングを組み合わせ、タスクをグラフ構造で表現して自己学習する手法を提案した。

• GraspGen-X: クロスエンボディメント6自由度拡散ベース把持
  把持2026/6/1

  異なるグリッパー形状や物理的把持プロセスにも対応できる、拡散モデルを用いた6自由度把持生成手法を提案。スイープボリュームによるグリッパー表現と手続き的グリッパーによる大規模データセットで訓練し、未知のグリッパーへのゼロショット汎化を実現した。

• cuRoboV2：高自由度ロボットのための深度融合距離場を用いた動力学考慮型動作生成
  動作生成2026/3/1

  Bスプライン軌道最適化、GPUネイティブなTSDF/ESDF知覚、全身計算を統合し、高自由度ヒューマノイドでも安全で実行可能な動作生成を高速に実現するフレームワーク。

• VT-Refine: 視触覚フィードバックによる両手組立のシミュレーション微調整学習
  マニピュレーション2025/10/1

  少数の実演と高忠実度の触覚シミュレーションを組み合わせ、強化学習で両手組立ポリシーを微調整することで、接触の多い精密作業の実世界性能を向上させた研究。

• Grasp-MPC：価値関数誘導型モデル予測制御による閉ループ視覚把持
  マニピュレーション2025/9/1

  大規模合成データで学習した価値関数をモデル予測制御に組み込み、散らかった環境でも未知物体を反応的に把持できる閉ループ6自由度視覚把持ポリシーを提案した。

• GraspGen: オブジェクト把持のための拡散モデルフレームワーク
  マニピュレーション2025/7/1

  拡散モデルを用いて6自由度の把持を生成し、識別器でフィルタリングするフレームワークを提案。5300万把持のデータセットを公開し、実機でも高い性能を示した。

• モデル予測強化学習による動的な非把持物体搬送
  マニピュレーション2024/12/1

  少数の実演データから価値関数を学習し、不確実性を考慮したMPCと組み合わせることで、ロボットがお盆に載せた物体をこぼさず運ぶ「ロボットウェイター」タスクを実現した研究。

• 人間との対話による推論時ポリシーステアリング
  VLA2024/11/1

  事前学習済みの生成ポリシーを微調整せずに、人間の介入でサンプリング過程をバイアスし、意図に沿った行動を引き出す枠組みを提案。

• DiffusionSeeder: 拡散モデルによる運動最適化のシード生成で高速動作計画
  動作計画2024/10/1

  拡散モデルで深度画像から多様な軌道を生成し、GPU加速運動最適化の初期シードとして使うことで、混雑環境でのロボット動作計画を大幅に高速化・高成功率化する手法。

• VaPr: Variable-Precision Tensors to Accelerate Robot Motion Planning
  2023/10/1
• cuRobo: Parallelized Collision-Free Minimum-Jerk Robot Motion Generation
  2023/10/1
• Diff-DOPE: Differentiable Deep Object Pose Estimation
  2023/10/1
• Meta-Policy Learning over Plan Ensembles for Robust Articulated Object Manipulation
  2023/7/1
• DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality
  2022/10/1
• RGB-Only Reconstruction of Tabletop Scenes for Collision-Free Manipulator Control
  2022/10/1
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions
  2022/6/1
• HandoverSim: A Simulation Framework and Benchmark for Human-to-Robot Object Handovers
  2022/5/1
• Model Predictive Control for Fluid Human-to-Robot Handovers
  2022/4/1
• Correcting Robot Plans with Natural Language Feedback
  2022/4/1
• DefGraspSim: Physics-based simulation of grasp outcomes for 3D deformable objects
  2022/3/1
• Learning Perceptual Concepts by Bootstrapping from Human Queries
  2021/11/1
• Geometric Fabrics: Generalizing Classical Mechanics to Capture the Physics of Behavior
  2021/9/1
• DefGraspSim: Simulation-based grasping of 3D deformable objects
  2021/7/1
• STORM: An Integrated Framework for Fast Joint-Space Model-Predictive Control for Reactive Manipulation
  2021/4/1
• Sim-to-Real for Robotic Tactile Sensing via Physics-Based Simulation and Learned Latent Projections
  2021/3/1
• Interpreting and Predicting Tactile Signals for the SynTouch BioTac
  2021/1/1
• Joint Space Control via Deep Reinforcement Learning
  2020/11/1
• In-Hand Object-Dynamics Inference using Tactile Fingertips
  2020/3/1
• Multi-Fingered Grasp Planning via Inference in Deep Neural Networks
  2020/1/1
• Benchmarking In-Hand Manipulation
  2020/1/1
• Learning Continuous 3D Reconstructions for Geometrically Aware Grasping
  2019/10/1
• Joint Inference of Kinematic and Force Trajectories with Visuo-Tactile Sensing
  2019/3/1
• Learning Latent Space Dynamics for Tactile Servoing
  2018/11/1
• Robust Learning of Tactile Force Estimation through Robot Interaction
  2018/10/1
• Deep Object Pose Estimation for Semantic Robotic Grasping of Household Objects
  2018/9/1
• Relaxed-Rigidity Constraints: Kinematic Trajectory Optimization and Collision Avoidance for In-Grasp Manipulation
  2018/6/1
• Planning Multi-Fingered Grasps as Probabilistic Inference in a Learned Deep Network
  2018/4/1
• Geometric In-Hand Regrasp Planning: Alternating Optimization of Finger Gaits and In-Grasp Manipulation
  2018/4/1