Dieter Fox

University of Washington

収録論文 209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

• 世界モデルによる汎化可能なロボット挿入
  マニピュレーション2026/9/23

  手首カメラの視覚と固有感覚を統合した単一の世界モデルを最大90の挿入タスクで訓練し、未知形状の物体へのゼロショット挿入を実現した研究。

• Flex-π: 計算柔軟性を備えたマルチストリーム世界行動モデル
  VLA2026/8/1

  既存の世界行動モデルはRGBのみを予測するが、Flex-πは凍結したビデオ生成VAEが3D点群も符号化できることを発見し、3D幾何学とオブジェクト中心のセマンティクスを追加で学習。ストリームごとのドロップアウトにより、単一のチェックポイントで高速な行動のみから完全な共同生成まで柔軟に動作し、実世界の両腕操作タスクで高い性能を達成。

• トルク適応モジュール：操作における堅牢な動作転送のためのTAM
  操作2026/6/1

  ロボット間の動力学差やシミュレーションと実機のギャップによる動作ずれを補正するため、トルク指令を適応させる学習モジュールTAMを提案。プロプリオセプティブな履歴のみを用いて残差トルクを生成し、異なる行動空間のポリシーにも再利用可能。

• SeeTraceAct: クロス身体性デモ動画からの可視性を考慮した潜在プランニング
  VLA2026/6/1

  デモ動画1本で未知タスクを実行するVLAモデルを提案し、小さな対象領域の正確な位置決めを可能にする可視性を考慮した未来のエンドエフェクタ軌跡予測を導入。新ベンチマークと実機で性能を実証した。

• MolmoAct2: 実世界展開のための行動推論モデル
  VLA2026/5/1

  実世界展開に適した完全オープンな行動推論モデルMolmoAct2を提案し、空間推論に特化したVLMバックボーン、新しいデータセット、オープンな行動トーカナイザ、適応的推論機構などを導入して性能と効率を向上させた。

• RoboPlayground: 構造化物理ドメインによるロボット評価の民主化
  評価フレームワーク2026/4/1

  ロボット操作ポリシーの評価を、固定ベンチマークではなく自然言語でタスクを定義できる構造化物理ドメイン上で行うフレームワークを提案し、ユーザビリティと一般化評価の有効性を示した。

• MolmoB0T: 大規模シミュレーションによるゼロショット操作の実現
  操作2026/3/1

  大規模で多様なシミュレーションデータのみを用いて、実世界へのゼロショット転移が可能であることを示し、静的・移動操作の両方で有効なポリシーを訓練した。

• Robometer：軌道比較による汎用ロボット報酬モデルのスケーリング
  報酬モデリング2026/3/1

  軌道内の進捗監督と軌道間の選好監督を組み合わせた報酬モデルを提案し、100万軌道のデータセットで学習することで、汎用性の高い報酬関数を実現した。

• 再帰的深さを持つVLA：潜在的反復推論による視覚言語行動モデルのテスト時計算スケーリング
  VLA2026/2/1

  重み共有の再帰的な行動ヘッドを用いて、推論時に潜在空間での反復的な洗練を行うことで、メモリ使用量を一定に保ちながら計算量を適応的に増やせるVLAアーキテクチャを提案した。

• TOPReward: トークン確率を隠れたゼロショット報酬として用いるロボティクス
  VLA2026/2/1

  事前学習済み動画言語モデルのトークン確率を利用し、タスク指示に対する進捗を密な報酬として推定する訓練不要の手法を提案。実世界の操作ベンチマークで従来の訓練不要手法を上回る性能を示した。

• MolmoSpaces：ロボットナビゲーションとマニピュレーションのための大規模オープンエコシステム
  sim2real2026/2/1

  23万以上の多様な屋内環境と13万の物体アセットを備え、MuJoCoやIsaacなど複数シミュレータで使えるオープンなロボットベンチマーク基盤を構築し、実機との高い相関を示した。

• PointWorld: 実世界ロボット操作のための3D世界モデルのスケーリング
  マニピュレーション2026/1/1

  RGB-D画像とロボットの行動コマンドから3D点群の動きを予測する大規模事前学習済み3D世界モデルを提案し、実機ロボットのモデル予測制御に応用した。

• Point Bridge: クロスドメイン方策学習のための3D表現
  sim2real2026/1/1

  VLMで抽出した点群表現とTransformer方策を用い、合成データのみで実世界マニピュレーションのゼロショットsim-to-real転移を実現するフレームワーク。

• ロボティクスにおけるリアルギャップ：課題・解決策・ベストプラクティス
  sim2real2025/10/1

  シミュレーションと実環境の差異（リアルギャップ）の原因・解決手法・評価指標を体系的に整理したサーベイ。sim-to-real転移の現状と課題を概観する。

• FailSafe: VLAモデルの失敗推論と回復
  VLA2025/10/1

  VLAモデルが実行中に遭遇する失敗を検出し、回復動作を生成できるようにする失敗生成・回復システムFailSafeを提案し、LLaVA-OV-7Bを微調整してロボットアームの失敗検出・回復性能を向上させた。

• Refinery: 接触の多いタスク向け能動的ファインチューニングと展開時最適化
  マニピュレーション2025/10/1

  ベイズ最適化によるファインチューニングとGMMベースの初期化選択で、接触の多い組立タスクの成功率を91.51%まで向上させ、多部品の長期組立も可能にした。

• 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。

• PEEK: ロボットマニピュレーションポリシーのゼロショット汎化のための誘導と最小画像表現
  マニピュレーション2025/9/1

  VLMを使ってエンドエフェクタ経路とタスク関連マスクを予測し、ポリシーに必要な最小限の手がかりを与えることで、シミュレーションのみで訓練したポリシーの実世界ゼロショット汎化を大幅に向上させる手法を提案。

• ManiFlow：一貫性フロー学習による汎用ロボットマニピュレーションポリシー
  マニピュレーション2025/9/1

  視覚・言語・固有感覚入力を条件に、一貫性フロー学習で1〜2ステップの高精度なロボット動作生成を実現する汎用模倣学習ポリシーを提案。

• Sim-to-Real転送のためのロボット政策評価：ベンチマークの視点
  sim2real2025/8/1

  本論文は、汎用ロボットマニピュレーション政策のsim-to-real転送を目的としたベンチマーク設計の課題と要件を議論し、高視覚忠実度シミュレーションの活用、タスク複雑性とシナリオ摂動を段階的に増やす評価、実世界性能とシミュレーション性能の整合性の定量化を提案する。

• MolmoAct: 空間で推論できる行動推論モデル
  VLA2025/8/1

  知覚・計画・制御を3段階で統合し、深度を考慮した知覚トークンから編集可能な軌道計画を生成して低レベル行動を予測するロボット基盤モデルを提案。シミュレーションと実世界で高い性能を示し、1万件超の軌道データセットも公開した。

• ニューラルロボットダイナミクス
  sim2real2025/8/1

  関節剛体ロボットの接触を考慮したダイナミクスを学習し、解析シミュレータの低レベルソルバを置き換える汎用ニューラルシミュレータNeRDを提案。

• 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。

• RoboEval：ロボットマニピュレーションのための構造化・スケーラブルな評価フレームワーク
  マニピュレーション2025/7/1

  ロボットマニピュレーションの評価を二値的成功から拡張し、効率・協調・安全性などの行動指標と段階的進捗・失敗局所化を含む構造化ベンチマークを提案。8つの両手タスクと3000以上の実演を提供。

• OG-VLA: 正投影画像生成による3D認識型視覚言語行動モデル
  VLA2025/6/1

  多視点RGBD観測を正投影画像に変換し、LLMと拡散モデルでエンドエフェクタの次位置・姿勢を生成する3D認識型VLAを提案。未見環境への汎化性能を大幅に向上。

• RobotSmith: 複雑な操作スキル獲得のための生成的ロボットツール設計
  マニピュレーション2025/6/1

  視覚言語モデルと物理シミュレーションを組み合わせ、ロボットが操作しやすいツールを自動設計し、その使い方まで最適化する手法を提案。

• DreamGen：動画世界モデルでロボット学習の汎化を解き放つ
  VLA2025/5/1

  画像から動画を生成するモデルでロボットの疑似行動データを作り、1つのテレオペデータから多様な行動・環境への汎化を実現する4段階パイプラインを提案。

• DexMachina：両手巧みな操作のための機能的リターゲティング
  マニピュレーション2025/5/1

  人間の両手による物体操作のデモンストレーションから、関節物体を長期的に操作する巧みなロボットハンドのポリシーを学習する手法を提案。仮想物体コントローラを徐々に弱めるカリキュラム学習により、人間とロボットの身体性ギャップを克服する。

• 人間の単一動画からの視覚的模倣によるスロット単位のロボット配置
  模倣学習2025/4/1

  人間の作業動画を1本見せるだけで、どの物体をどこに置くかを理解し、ロボットが同じ配置作業を再現できるモジュール式システムSLeRPを提案した。

• SRSA: ロボット組立タスクのためのスキル検索と適応
  マニピュレーション2025/3/1

  既存のスキルライブラリから新タスクに最も適したスキルを検索し、微調整することで、接触の多い組立タスクをデータ効率的に学習するフレームワークを提案。

• MatchMaker: ロボット組立のための組立アセット自動生成
  sim2real2025/3/1

  干渉するアセットペアをシミュレーション可能なペアに変換し、単一アセットから嵌合する相手を生成し、接触面を侵食して現実的な部品を作るパイプラインを提案。生成データは多様性と組立スキル学習の有効性で従来手法を上回る。

• GR00T N1: 汎用人型ロボットのためのオープン基盤モデル
  VLA2025/3/1

  視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。

• Cosmos-Transfer1：適応的マルチモーダル制御による条件付きワールド生成
  sim2real2025/3/1

  セグメンテーション・深度・エッジなど複数モダリティの空間制御入力を場所ごとに重み付けして世界シミュレーションを生成するモデルを提案し、ロボティクスのSim2Realや自動運転データ拡張への応用とリアルタイム推論を実証した。

• HAMSTER: オープンワールドロボット操作のための階層型行動モデル
  VLA2025/2/1

  高レベルVLMが粗い2D経路を予測し、低レベル3D制御ポリシーが精密操作を行う階層型VLAモデルを提案。非ドメインデータを活用し、実機でのオープンワールド汎化を実現する。

• 物理AIのためのCosmos世界基盤モデルプラットフォーム
  世界モデル2025/1/1

  物理AI開発者向けに、カスタマイズ可能な世界モデルを構築するための基盤モデル・動画キュレーション・トークナイザを提供するオープンソースプラットフォーム。

• SAM2Act：視覚基盤モデルと記憶アーキテクチャを統合したロボットマニピュレーション
  マニピュレーション2025/1/1

  視覚基盤モデルを活用したマルチビューロボット方策SAM2Actを提案し、RLBenchで86.8%の成功率を達成。さらに記憶バンクを備えたSAM2Act+と記憶依存タスク評価用ベンチマークMemoryBenchを導入し、94.3%の成功率を実現した。

• RoboMD: 意味的ポテンシャル場によるロボットの脆弱性発見
  マニピュレーション2024/12/1

  視覚言語埋め込み空間をポテンシャル場として強化学習し、実機試行なしで操作ポリシーの脆弱性を予測・マッピングするフレームワークを提案。

• Aim My Robot: 任意の物体への高精度ローカルナビゲーション
  ナビゲーション2024/11/1

  ロボットが近傍の任意の物体に対してセンチメートル精度で所望の相対姿勢に到達できるローカルナビゲーションシステムAMRを開発し、シミュレーションで大規模学習してsim2real転移を実現した。

• 視覚言語モデルが生成する制約によるオープンワールドタスク・動作計画
  タスク・動作計画2024/11/1

  視覚言語モデルに離散的な行動順序制約と連続的なコード制約を生成させ、タスク・動作計画(TAMP)に統合することで、自然言語で指定された長期的なロボット操作タスクをオープンワールドで解けるようにした。

• GRAPE: 選好アライメントによるロボット方策の汎化
  VLA2024/11/1

  成功・失敗の試行から報酬を暗黙的に学習し、大規模視覚言語モデルが提案する時空間制約で選好を自動設計することで、VLAモデルの未見タスクへの汎化性能を高める手法。

• 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。

• 動画からの潜在行動事前学習
  VLA2024/10/1

  ロボットの行動ラベルなしでインターネット規模の動画からVLAモデルを事前学習する手法を提案し、実世界のマニピュレーションタスクで既存手法を上回る性能を示した。

• 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。

• 自分で説明書を作って組み立てることを学ぶ
  マニピュレーション2024/10/1

  LEGO組み立てタスクにおいて、エージェントが分解しながら画像を保存して自分用の説明書を作り、それを使って未知の組み立てを再現する手法を提案。

• AHA: ロボットマニピュレーションの失敗を検出・推論する視覚言語モデル
  VLA2024/10/1

  ロボット操作の失敗を自然言語で検出・説明するオープンソースVLM「AHA」を提案し、シミュレーションで生成した大規模失敗データセットで学習させ、実世界や未見タスクへの汎化性能を示した。

• 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。

• 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。

• OptiGrasp: RGB画像のみを用いた倉庫ピッキングロボット向けの最適化された把持姿勢検出
  マニピュレーション2024/9/1

  深度センサに頼らずRGB画像と基盤モデルだけで吸着把持の姿勢を予測し、合成データのみで学習しながら実機で82.3%の成功率を達成した。

• FORGE: 不確実性下での接触の多いマニピュレーションのための力誘導探索
  sim2real2024/8/1

  力閾値とダイナミクスランダム化を組み合わせてシミュレーションで学習し、姿勢の不確実性がある実機でも力に基づいて接触の多い作業を安全に遂行できる方策を実現した。

• TacSL: 視触覚センサのシミュレーションと学習のためのライブラリ
  触覚2024/8/1

  GPUベースで視触覚センサを高速シミュレーションし、触覚ベースの強化学習を可能にするライブラリTacSLと、sim-to-real転移のための新アルゴリズムAACDを提案した。

• AutoMate: 多様な形状に対応する専門家・汎用組み立てポリシー
  マニピュレーション2024/7/1

  100種類の組み立てタスクのデータセットと並列シミュレーション環境を構築し、部品特化型と汎用型の組み立てポリシーを学習。シミュレーションから実機へのゼロショット転移を実現した。

• PerAct2: 両腕ロボットマニピュレーションのベンチマークと学習
  マニピュレーション2024/7/1

  RLBenchを両腕タスクに拡張し、13タスク・23バリエーションのベンチマークを構築するとともに、言語条件付き行動クローニングエージェントPerAct2を提案した。

• RoboPoint: ロボティクス向け空間アフォーダンス予測の視覚言語モデル
  VLA2024/6/1

  合成データで視覚言語モデルをロボット向けに微調整し、言語指示から画像内のキーポイントアフォーダンスを予測するRoboPointを開発。実世界データ不要でスケーラブルに学習でき、ナビゲーションや操作などのタスクで既存手法を上回る。

• 3D-MVP: ロボットマニピュレーションのための3Dマルチビュー事前学習
  マニピュレーション2024/6/1

  マスク付きオートエンコーダを用いて大規模3Dデータセットで視覚エンコーダを事前学習し、ロボットマニピュレーションの汎化性能を向上させる手法を提案した。

• Manipulate-Anything：視覚言語モデルによる実世界ロボット操作の自動化
  マニピュレーション2024/6/1

  視覚言語モデルを活用し、特権的な状態情報や手設計スキルなしで実世界の任意の静的物体を操作する軌道を自動生成する手法を提案し、既存手法を上回る性能とロバストな模倣学習を実現した。

• RVT-2: 少数のデモンストレーションから精密なマニピュレーションを学習
  マニピュレーション2024/6/1

  言語指示に基づく多タスク3Dマニピュレーションにおいて、アーキテクチャとシステムの改善により学習を6倍、推論を2倍高速化し、RLBenchで成功率82%を達成、実世界でも10回のデモで高精度タスクを学習可能にした。

• URDFormer: 実世界画像から関節構造を持つシミュレーション環境を構築するパイプライン
  sim2real2024/5/1

  実世界の画像から関節構造や物理特性を推定し、シミュレーションシーンを自動生成するURDFormerを提案。テキストから画像生成モデルを活用して学習データを生成し、大規模でリアルなシーン構築を可能にした。

• 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。

• ASID: ロボットマニピュレーションにおけるシステム同定のための能動的探索
  マニピュレーション2024/4/1

  少量の実世界データを用いてシミュレータを自律的に改良し、正確な制御戦略を計画する学習システムを提案。

• AdaDemo: 汎用ロボットエージェントのためのデータ効率的なデモンストレーション拡張
  模倣学習2024/4/1

  既存方策の弱点を特定し、適応的にデモンストレーションを収集・拡張することで、データ効率的に多タスク模倣学習を改善するフレームワークAdaDemoを提案。

• 未知の関節物体のデジタルツイン構築のためのニューラル陰的表現
  3D再構成2024/4/1

  異なる関節状態の2つのRGBDスキャンから、未知の関節物体の形状と関節モデルを再構成し、デジタルツインを構築する手法を提案。

• EVE: 拡張現実で誰でもロボットを訓練可能に
  拡張現実/ロボット学習2024/4/1

  物理ロボットなしで、iOSアプリのAR可視化を使って日常ユーザーがロボットのタスク実演を収集・訓練できるシステムを開発し、ユーザー研究で有効性を示した。

• GPU加速シミュレーションによるロボットタスク横断的な集団ベース強化学習のベンチマーク
  強化学習2024/4/1

  GPU加速物理シミュレータ上で集団ベース強化学習(PBRL)をPPO/SAC/DDPGと比較し、ハイパーパラメータを動的調整することで累積報酬が向上することを示し、Franka Nut Pickタスクで実機展開も行った。

• clutter環境におけるテレオペレーションのための高速明示的入力支援
  テレオペレーション2024/2/1

  ロボット遠隔操作において、エンドエフェクタで目標を明示的に指し示す新しい支援インターフェースを提案し、暗黙的な意図推定支援と比較して、操作者の好みや作業負荷の低減、ピック失敗の減少を示した。

• コロッセウム：ロボットマニピュレーションの汎化性能を評価するベンチマーク
  マニピュレーション2024/2/1

  環境の色・テクスチャ・照明・カメラ位置など14種類の摂動に対するロボットマニピュレーションの汎化性能を評価するシミュレーションベンチマークを提案し、最先端モデルの成功率が30〜50%低下することを示した。

• STOW: Discrete-Frame Segmentation and Tracking of Unseen Objects for Warehouse Picking Robots
  2023/11/1
• M2T2: Multi-Task Masked Transformer for Object-centric Pick and Place
  2023/11/1
• cuRobo: Parallelized Collision-Free Minimum-Jerk Robot Motion Generation
  2023/10/1
• MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations
  2023/10/1
• Human-in-the-Loop Task and Motion Planning for Imitation Learning
  2023/10/1
• NEWTON: Are Large Language Models Capable of Physical Reasoning?
  2023/10/1
• AnyTeleop: A General Vision-Based Dexterous Robot Arm-Hand Teleoperation System
  2023/7/1
• Meta-Policy Learning over Plan Ensembles for Robust Articulated Object Manipulation
  2023/7/1
• Shelving, Stacking, Hanging: Relational Pose Diffusion for Multi-modal Rearrangement
  2023/7/1
• RVT: Robotic View Transformer for 3D Object Manipulation
  2023/6/1
• DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability
  2023/6/1
• AR2-D2:Training a Robot Without a Robot
  2023/6/1
• Imitating Task and Motion Planning with Visuomotor Transformers
  2023/5/1
• IndustReal: Transferring Contact-Rich Assembly Tasks from Simulation to Reality
  2023/5/1
• CabiNet: Scaling Neural Collision Detection for Object Rearrangement with Procedural Scene Generation
  2023/4/1
• BundleSDF: Neural 6-DoF Tracking and 3D Reconstruction of Unknown Objects
  2023/3/1
• TerrainNet: Visual Modeling of Complex Terrain for High-speed, Off-road Navigation
  2023/3/1
• Learning Human-to-Robot Handovers from Point Clouds
  2023/3/1
• DefGraspNets: Grasp Planning on 3D Fields with Graph Neural Nets
  2023/3/1
• Constrained Generative Sampling of 6-DoF Grasps
  2023/2/1
• MegaPose: 6D Pose Estimation of Novel Objects via Render & Compare
  2022/12/1
• Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion Planning
  2022/11/1
• One-Shot Neural Fields for 3D Object Understanding
  2022/10/1
• Learning Robust Real-World Dexterous Grasping Policies via Implicit Shape Augmentation
  2022/10/1
• Motion Policy Networks
  2022/10/1
• DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality
  2022/10/1
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models
  2022/9/1
• Perceiver-Actor: A Multi-Task Transformer for Robotic Manipulation
  2022/9/1
• Deep Learning Approaches to Grasp Synthesis: A Review
  2022/7/1
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions
  2022/6/1
• Factory: Fast Contact for Robotic Assembly
  2022/5/1
• HandoverSim: A Simulation Framework and Benchmark for Human-to-Robot Object Handovers
  2022/5/1
• Correcting Robot Plans with Natural Language Feedback
  2022/4/1
• Model Predictive Control for Fluid Human-to-Robot Handovers
  2022/4/1
• DefGraspSim: Physics-based simulation of grasp outcomes for 3D deformable objects
  2022/3/1
• DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting
  2022/3/1
• IFOR: Iterative Flow Minimization for Robotic Object Rearrangement
  2022/2/1
• iCaps: Iterative Category-level Object Pose and Shape Estimation
  2022/1/1
• A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation
  2021/12/1
• Assistive Tele-op: Leveraging Transformers to Collect Robotic Task Demonstrations
  2021/12/1
• Learning Perceptual Concepts by Bootstrapping from Human Queries
  2021/11/1
• StructFormer: Learning Spatial Structure for Language-Guided Semantic Rearrangement of Novel Objects
  2021/10/1
• From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence
  2021/10/1
• Continuous-Time Fitted Value Iteration for Robust Policies
  2021/10/1
• SORNet: Spatial Object-Centric Representations for Sequential Manipulation
  2021/9/1
• CLIPort: What and Where Pathways for Robotic Manipulation
  2021/9/1
• Geometric Fabrics: Generalizing Classical Mechanics to Capture the Physics of Behavior
  2021/9/1
• Predicting Stable Configurations for Semantic Placement of Novel Objects
  2021/8/1
• Hierarchical Policies for Cluttered-Scene Grasping with Latent Plans
  2021/7/1
• LanguageRefer: Spatial-Language Model for 3D Visual Grounding
  2021/7/1
• DefGraspSim: Simulation-based grasping of 3D deformable objects
  2021/7/1
• BayesSimIG: Scalable Parameter Inference for Adaptive Domain Randomization with IsaacGym
  2021/7/1
• A Persistent Spatial Semantic Representation for High-level Natural Language Instruction Execution
  2021/7/1
• NeRP: Neural Rearrangement Planning for Unknown Objects
  2021/6/1
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks
  2021/6/1
• DiSECt: A Differentiable Simulation Engine for Autonomous Robotic Cutting
  2021/5/1
• Value Iteration in Continuous Actions, States and Time
  2021/5/1
• Robust Value Iteration for Continuous Control Tasks
  2021/5/1
• STORM: An Integrated Framework for Fast Joint-Space Model-Predictive Control for Reactive Manipulation
  2021/4/1
• RGB-D Local Implicit Function for Depth Completion of Transparent Objects
  2021/4/1
• Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes
  2021/3/1
• Sim-to-Real for Robotic Tactile Sensing via Physics-Based Simulation and Learned Latent Projections
  2021/3/1
• Learning Composable Behavior Embeddings for Long-horizon Visual Navigation
  2021/2/1
• Interpreting and Predicting Tactile Signals for the SynTouch BioTac
  2021/1/1
• Towards Coordinated Robot Motions: End-to-End Learning of Motion Policies on Transform Trees
  2020/12/1
• Alternative Paths Planner (APP) for Provably Fixed-time Manipulation Planning in Semi-structured Environments
  2020/12/1
• Perspectives on Sim2Real Transfer for Robotics: A Summary of the R:SS 2020 Workshop
  2020/12/1
• Reactive Human-to-Robot Handovers of Arbitrary Objects
  2020/11/1
• Stein Variational Model Predictive Control
  2020/11/1
• Object Rearrangement Using Learned Implicit Collision Functions
  2020/11/1
• A User's Guide to Calibrating Robotics Simulators
  2020/11/1
• Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections
  2020/11/1
• ACRONYM: A Large-Scale Grasp Dataset Based on Simulation
  2020/11/1
• STReSSD: Sim-To-Real from Sound for Stochastic Dynamics
  2020/11/1
• Reactive Long Horizon Task Execution via Visual Skill and Precondition Models
  2020/11/1
• Goal-Auxiliary Actor-Critic for 6D Robotic Grasping with Point Clouds
  2020/10/1
• Geometric Fabrics for the Acceleration-based Design of Robotic Motion
  2020/10/1
• RMPflow: A Geometric Framework for Generation of Multi-Task Motion Policies
  2020/7/1
• Unseen Object Instance Segmentation for Robotic Environments
  2020/7/1
• Learning RGB-D Feature Embeddings for Unseen Object Instance Segmentation
  2020/7/1
• Model-Based Generalization Under Parameter Uncertainty Using Path Integral Control
  2020/6/1
• Interpreting and Predicting Tactile Signals via a Physics-Based and Data-Driven Framework
  2020/6/1
• Guided Uncertainty-Aware Policy Optimization: Combining Learning and Model-Based Strategies for Sample-Efficient Policy Learning
  2020/5/1
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems
  2020/5/1
• Inferring the Material Properties of Granular Media for Robotic Tasks
  2020/3/1
• Human Grasp Classification for Reactive Human-to-Robot Handovers
  2020/3/1
• Transferable Task Execution from Pixels through Deep Planning Domain Learning
  2020/3/1
• In-Hand Object Pose Tracking via Contact Feedback and GPU-Accelerated Robotic Simulation
  2020/2/1
• Information Theoretic Model Predictive Q-Learning
  2020/1/1
• LatentFusion: End-to-End Differentiable Reconstruction and Rendering for Unseen Object Pose Estimation
  2019/12/1
• ALFRED: A Benchmark for Interpreting Grounded Instructions for Everyday Tasks
  2019/12/1
• 6-DOF Grasping for Target-driven Object Manipulation in Clutter
  2019/12/1
• A Billion Ways to Grasp: An Evaluation of Grasp Sampling Schemes on a Dense, Physics-based Grasp Data Set
  2019/12/1
• Manipulation Trajectory Optimization with Online Grasp Synthesis and Selection
  2019/11/1
• IRIS: Implicit Reinforcement without Interaction at Scale for Learning Control from Offline Robot Manipulation Data
  2019/11/1
• Contextual Reinforcement Learning of Visuo-tactile Multi-fingered Grasping Policies
  2019/11/1
• Motion Reasoning for Goal-Based Imitation Learning
  2019/11/1
• Camera-to-Robot Pose Estimation from a Single Image
  2019/11/1
• Online Replanning in Belief Space for Partially Observable Task and Motion Problems
  2019/11/1
• DexPilot: Vision Based Teleoperation of Dexterous Robotic Hand-Arm System
  2019/10/1
• Collaborative Behavior Models for Optimized Human-Robot Teamwork
  2019/10/1
• Conditional Driving from Natural Language Instructions
  2019/10/1
• Motion-Nets: 6D Tracking of Unknown Objects in Unseen Environments using RGB
  2019/10/1
• Riemannian Motion Policy Fusion through Learnable Lyapunov Function Reshaping
  2019/10/1
• Self-supervised 6D Object Pose Estimation for Robot Manipulation
  2019/9/1
• Scaling Local Control to Large-Scale Topological Navigation
  2019/9/1
• Part Segmentation for Highly Accurate Deformable Tracking in Occlusions via Fully Convolutional Neural Networks
  2019/8/1
• Representing Robot Task Plans as Robust Logical-Dynamical Systems
  2019/8/1
• The Best of Both Modes: Separately Leveraging RGB and Depth for Unseen Object Instance Segmentation
  2019/7/1
• BayesSim: adaptive domain randomization via probabilistic inference for robotics simulators
  2019/6/1
• 6-DOF GraspNet: Variational Grasp Generation for Object Manipulation
  2019/5/1
• PoseRBPF: A Rao-Blackwellized Particle Filter for 6D Object Pose Tracking
  2019/5/1
• ContactGrasp: Functional Multi-finger Grasp Synthesis from Contact
  2019/4/1
• Neural Autonomous Navigation with Riemannian Motion Policy
  2019/4/1
• Joint Inference of Kinematic and Force Trajectories with Visuo-Tactile Sensing
  2019/3/1
• Prospection: Interpretable Plans From Language By Predicting the Future
  2019/3/1
• RMPflow: A Computational Graph for Automatic Motion Policy Generation
  2018/11/1
• Learning Latent Space Dynamics for Tactile Servoing
  2018/11/1
• Early Fusion for Goal Directed Robotic Vision
  2018/11/1
• Closing the Sim-to-Real Loop: Adapting Simulation Randomization with Real World Experience
  2018/10/1
• GPU-Accelerated Robotic Simulation for Distributed Reinforcement Learning
  2018/10/1
• 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
• SPNets: Differentiable Fluid Dynamics for Deep Neural Networks
  2018/6/1
• The Limits and Potentials of Deep Learning for Robotics
  2018/4/1
• DeepIM: Deep Iterative Matching for 6D Pose Estimation
  2018/4/1
• Riemannian Motion Policies
  2018/1/1
• PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
  2017/11/1
• SE3-Pose-Nets: Structured Deep Dynamics Models for Visuomotor Planning and Control
  2017/10/1
• Learning Robotic Manipulation of Granular Media
  2017/9/1
• Visual Semantic Planning using Deep Successor Representations
  2017/5/1
• Reasoning About Liquids via Closed-Loop Simulation
  2017/3/1
• Perceiving and Reasoning About Liquids Using Fully Convolutional Networks
  2017/3/1
• DA-RNN: Semantic Mapping with Data Associated Recurrent Neural Networks
  2017/3/1
• Visual Closed-Loop Control for Pouring Liquids
  2016/10/1
• Guided Policy Search with Delayed Sensor Measurements
  2016/9/1
• Towards Learning to Perceive and Reason About Liquids
  2016/8/1
• Detection and Tracking of Liquids with Fully Convolutional Networks
  2016/6/1
• SE3-Nets: Learning Rigid Body Motion using Deep Neural Networks
  2016/6/1
• Gaussian Processes for Data-Efficient Learning in Robotics and Control
  2015/2/1
• Multi-Task Policy Search
  2013/7/1
• The Revisiting Problem in Mobile Robot Map Building: A Hierarchical Bayesian Approach
  2012/12/1
• A Joint Model of Language and Perception for Grounded Attribute Learning
  2012/6/1