Caelan Garrett
収録論文 17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
- Human2Any: 制約を考慮した構成的プランニングによる人間からロボットへの転移操作学習/転移学習2026/6/1
人間の動画から物体間の相互作用の事前知識を学習し、ロボットの制約を考慮したプランニングと組み合わせることで、実ロボットのデモデータなしに多様なロボットへ操作スキルを転移するフレームワークを提案。
- ReinforceGen：自動データ生成と強化学習によるハイブリッドスキルポリシーマニピュレーション2025/12/1
タスクを局所的なスキルに分解し、10件の人間デモから模倣学習で初期方策を構築した後、強化学習で微調整する長期的マニピュレーション手法を提案。
- ScheduleStream: GPU加速マルチアームタスク・動作計画のためのサンプラを用いた時間的計画マニピュレーション2025/11/1
複数アームの並列動作を可能にするスケジューリングを生成する汎用フレームワークScheduleStreamを提案し、GPU加速サンプラでTAMPASを高速化、実機双腕ロボットで実証した。
- 強化学習で獲得した両腕ロボットスキルの計画とスケジューリングマニピュレーション2025/10/1
強化学習で訓練した単腕・両腕のプリミティブスキルをライブラリ化し、Transformerベースのプランナがスキルの離散的なスケジュールと連続パラメータを同時予測することで、長期的な接触を伴う両腕マニピュレーションを効率的に計画する階層的フレームワークを提案した。
- シミュレーションと実機のポリシー共同学習のための汎化可能なドメイン適応sim2real2025/9/1
シミュレーションと少数の実機デモを組み合わせ、最適輸送に基づく損失でドメイン不変な特徴空間を学習し、実機でのマニピュレーション成功率を最大30%向上させる手法を提案。
- 微分可能なGPU並列タスク・動作計画タスク・動作計画2024/11/1
GPU並列で多数の連続解候補を同時探索し、微分可能最適化で制約を満たす二段階TAMPアルゴリズムを提案。高制約な問題を数秒で解き、実機ロボットで検証した。
- 視覚言語モデルで長期的なタスク・動作計画を導くタスク・動作計画2024/10/1
VLMが生成する意味的に妥当な中間サブゴールでタスク・動作計画を階層的に導くVLM-TAMPを提案し、キッチンでの長期タスクで成功率を大幅に改善した。
- SkillMimicGen: スキル学習と展開を効率化する自動デモ生成模倣学習2024/10/1
少数の人間デモをスキルに分割・適応・連結して大量のデモを自動生成し、ハイブリッドスキルポリシーで長期的タスクの模倣学習と実機転移を実現する。
- SPIRE: 長期的操作のための計画・模倣・強化学習の相乗的統合マニピュレーション2024/10/1
タスク・動作計画でタスクを分解し、模倣学習と強化学習を組み合わせて長期的なロボット操作を効率的に学習する手法を提案。
- IntervenGen: ロバストでデータ効率の良いロボット模倣学習のための介入データ生成模倣学習2024/5/1
少数の人間による修正介入から、状態空間を広くカバーする大量の介入データを自動生成し、模倣学習ポリシーの分布シフトへのロバスト性を最大39倍向上させる手法を提案。
- NOD-TAMP: Generalizable Long-Horizon Planning with Neural Object Descriptors2023/11/1
- Human-in-the-Loop Task and Motion Planning for Imitation Learning2023/10/1
- cuRobo: Parallelized Collision-Free Minimum-Jerk Robot Motion Generation2023/10/1
- Meta-Policy Learning over Plan Ensembles for Robust Articulated Object Manipulation2023/7/1
- Imitating Task and Motion Planning with Visuomotor Transformers2023/5/1
- Cooperative Task and Motion Planning for Multi-Arm Assembly Systems2022/3/1
- Robotic additive construction of bar structures: Unified sequence and motion planning2021/5/1