Dingchang Hu

収録論文 4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-RL: 把持を点として表現する動的物体把持のための強化学習
  マニピュレーション2024/10/1

  6D把持姿勢をガウス点に変換するGrasp Encoderと把持可能領域探索を組み合わせ、動く物体を強化学習で把持するフレームワークを提案し、シミュレーションと実機で有効性を示した。

• マルチモーダルな人間ガイダンスによる目標指向物体把持
  マニピュレーション2024/8/1

  言語指示・指差し・クリックといった人間のマルチモーダルなガイダンスを統合し、対象物体周辺の局所領域に注目して6-DoF把持を効率的に検出するTOGNetを提案した。

• 正規化把持空間を用いた領域認識型6自由度把持フレームワーク
  マニピュレーション2024/6/1

  把持表現を正規化された領域空間に統一するNormalized Grasp Spaceを提案し、効率的なCNNベースの6自由度把持検出ネットワークRNGNetを構築した。公開ベンチマークで20%以上の性能向上と約50FPSのリアルタイム推論を実現した。

• 6自由度把持検出の再考：高品質把持のための柔軟なフレームワーク
  マニピュレーション2024/3/1

  把持中心の視点から、シーン全体と特定対象の両方の把持に対応するFlexLoGを提案し、GraspNet-1Billionで大幅な精度向上と実環境で95%の成功率を達成した。