Carmelo Sferrazza
Amazon FAR
収録論文 31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
- 触覚的好奇心がロボットのインタラクションを駆動する触覚2026/9/30
触覚フィードバックを探索の内在的報酬として用い、接触を伴う操作スキルを効率的に学習するフレームワークTacExを提案。タスク報酬や専門家デモなしで物体操作を獲得し、VLAモデルの事後学習にも有効。
- 反実仮想動画生成によるスケーラブルなヒューマノイドの移動操作移動操作2026/9/29
少数の実動画から反実仮想の人間-物体インタラクション動画を大量生成し、実→シミュ→実のパイプラインで物理的に妥当な軌道に変換して、多様な物体の運搬を実機で実現する方策を学習した。
- 人間のデモンストレーションからロボットハンドを生成するロボットハンド設計2026/6/1
人間の指先動作データを用いて、ロボットハンドの設計を自動生成するデータ駆動型フレームワークを提案した。
- TactX: 多様なセンサにわたる共有触覚表現の学習触覚2026/6/1
異なる原理の触覚センサ（抵抗、磁気、視覚）からのデータを共通の潜在空間に写像するフレームワークTactXを提案し、あるセンサで訓練した操作ポリシーを別のセンサへゼロショット転移できることを示した。
- VLK: 再構築シーンでの合成インタラクションによるヒューマノイドの移動操作学習ヒューマノイド/移動操作/sim2real2026/6/1
3Dガウススプラッティングで再構築した屋内シーンで、視覚・言語・運動のペアデータを合成生成し、ヒューマノイドの移動操作ポリシーを学習する手法を提案。実機Unitree G1でナビゲーションと物体運搬を実証した。
- RPL: 複雑地形におけるロバストな人型知覚移動の学習歩行2026/2/1
2段階の学習フレームワークにより、複数の深度カメラを用いて複雑な地形を多方向に歩行し、荷物を積んでもロバストな人型ロボットの移動を実現した。
- フローポリシー勾配によるロボット制御強化学習2026/2/1
フローマッチングを用いたポリシー勾配法を改良し、脚式移動やヒューマノイド動作追従、マニピュレーション、sim-to-real転移を実現した研究。
- 知覚型ヒューマノイドパルクール：モーションマッチングによる動的人間スキルの連鎖歩行2026/2/1
人間の動的スキルをモーションマッチングで連鎖させ、深層知覚と強化学習により、ヒューマノイドが障害物を乗り越え・登り・跳び越え・転がり落ちるパルクールを自律実行できるフレームワークを提案。
- 15分でヒューマノイドのsim-to-real歩行を学習sim2real2025/12/1
オフポリシーRL（FastSAC/FastTD3）と大規模並列環境を組み合わせ、Unitree G1やBooster T1の歩行制御を単一GPUで15分で学習し実機転移を実現した。
- GaussGym：ピクセルから歩行を学習するためのオープンソース実世界→シミュレーション変換フレームワークsim2real2025/10/1
3Dガウススプラッティングを物理シミュレータに組み込み、毎秒10万ステップ超の高速フォトリアルシミュレーションを実現し、実機への転移やナビゲーション性能の向上を示した。
- OmniRetarget: 相互作用を保持するヒューマノイド全身移動操作・シーンインタラクション向けデータ生成sim2real2025/9/1
人間・地形・物体間の空間的・接触的関係をインタラクションメッシュで明示的に保持しながら運動をリターゲティングし、物理的に妥当で多様な全身移動操作データを生成する手法を提案。
- 大きく、正則化し、カテゴリカルに：高容量価値関数は効率的なマルチタスク学習者マルチタスク強化学習2025/5/29
高容量な価値モデルをクロスエントロピーで学習し、学習可能なタスク埋め込みで条件付けることで、オンライン強化学習におけるタスク干渉を解決し、マルチタスク学習をスケーラブルにする手法を提案。
- FastTD3：ヒューマノイド制御のためのシンプルで高速かつ高性能な強化学習歩行2025/5/1
並列シミュレーションや大バッチ更新、分布型クリティックなどの改良を加えたTD3エージェントにより、ヒューマノイドロボットの強化学習を単一GPUで3時間未満に高速化した手法を提案。
- MuJoCo Playground：ロボット学習のためのオープンソースフレームワークsim2real2025/2/1
MJX上に構築された完全オープンソースのロボット学習フレームワークで、単一GPUで数分以内に方策を訓練でき、四足歩行・ヒューマノイド・多指ハンド・ロボットアームなど多様なプラットフォームでゼロショットsim-to-real転移を実現する。
- 視覚を超えて：言語グラウンディングによる異種センサーでの汎用ロボット方策のファインチューニングVLA2025/1/1
自然言語を共通のクロスモーダル基盤として用い、視覚・触覚・音声などの異種センサー入力を扱えるよう汎用ロボット方策をファインチューニングする手法FuSeを提案。実世界実験で成功率を20%以上向上させた。
- MaxInfoRL：情報利得最大化による強化学習の探索促進強化学習2024/12/1
情報利得を内在的報酬として最大化し、価値関数と状態・報酬・行動のエントロピーを自然にトレードオフする探索フレームワークを提案。連続状態行動空間のオフポリシーRLに適用し、困難な探索問題や視覚制御タスクで性能向上を実現。
- ActSafe: 安全制約付き強化学習のための能動的探索安全強化学習2024/10/1
未知のダイナミクスに対する不確実性を考慮しつつ安全制約を守りながら探索するモデルベース強化学習手法を提案し、学習中の安全性と高性能を両立できることを示した。
- 動画からの手と物体のインタラクション事前学習マニピュレーション2024/9/1
野生の動画から人間の手と物体の3D軌道を抽出し、ロボットの操作スキルを事前学習する手法を提案。生成モデルで汎用的な操作の事前分布を獲得し、下流タスクへの適応を効率化する。
- Body Transformer：ロボット身体性を活用した方策学習VLA2024/8/1
ロボットの身体をセンサとアクチュエータのグラフとして表現し、マスク付きアテンションで情報を集約するBoTを提案。模倣学習・強化学習の方策において、通常のTransformerやMLPより高性能・高効率であることを示した。
- HumanoidBench：全身移動とマニピュレーションのためのシミュレーション人型ロボットベンチマーク全身制御/ベンチマーク2024/3/1
器用な手を持つ人型ロボットの全身移動・操作タスクを集めた高次元シミュレーションベンチマークを提案し、既存の強化学習手法の限界と階層型学習の有効性を示した。
- Optical Tactile Sensing for Aerial Multi-Contact Interaction: Design, Integration, and Evaluation2024/1/1
- The Power of the Senses: Generalizable Manipulation from Vision and Touch through Masked Multimodal Learning2023/11/1
- Leveraging distributed contact force measurements for slip detection: a physics-based approach enabled by a data-driven tactile sensor2021/9/1
- Zero-shot sim-to-real transfer of tactile control policies for aggressive swing-up manipulation2021/1/1
- A Vision-based Sensing Approach for a Spherical Soft Robotic Arm2020/12/1
- Sim-to-real for high-resolution optical tactile sensing: From images to 3D contact force distributions2020/12/1
- Learning the sense of touch in simulation: a sim-to-real strategy for vision-based tactile sensing2020/3/1
- Towards vision-based robotic skins: a data-driven, multi-camera tactile sensor2019/10/1
- Vision-Based Proprioceptive Sensing for Soft Inflatable Actuators2019/9/1
- Ground truth force distribution for learning-based tactile sensing: a finite element approach2019/9/1
- Transfer learning for vision-based tactile sensing2018/12/1