Beining Han

収録論文 6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

• 幾何変動下におけるロボット挿入の視覚的sim-to-real学習：鉄筋設置への応用
  sim2real2026/9/17

  鉄筋挿入タスクを対象に、手続き的生成とドメインランダム化を用いた視覚ベースのsim-to-real学習システムを構築し、実機で91.3%の成功率を達成した。

• 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。

• AnyBody: 異形態マニピュレーションのためのベンチマークスイート
  マニピュレーション2025/5/1

  多様なロボット形態でのリーチとプッシュ課題を対象に、補間・外挿・構成の3軸で汎化性能を評価する異形態マニピュレーションのベンチマークを提案し、RL方策の形態間汎化の限界を分析した。

• 関節付きシミュレーション用アセットの手続き的生成
  sim2real2025/5/1

  ロボティクスシミュレーション向けに、18種類の関節付き物体を手続き的に生成し、物理特性付きでシミュレータにエクスポートするツールキットを提案。

• 磁気ベース触覚センサの挿入タスクにおけるゼロショットSim2Real転移
  触覚2025/5/1

  磁気触覚センサの生の3軸触覚読みを入力として、強化学習方策をシミュレーションから実機へゼロショット転移させる手法GCSを提案し、ブラインド挿入タスクで評価した。

• FetchBench：ロボットによる物体取得のためのシミュレーションベンチマーク
  マニピュレーション2024/6/1

  接近・把持・回収を含む「物体取得」タスクに特化した新ベンチマークFetchBenchを提案し、模倣学習用の軌道データ生成パイプラインを整備。従来手法の成功率は最大20%にとどまり、課題の難しさを明らかにした。