Jan Peters

Technical University of Darmstadt

収録論文 216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

• 続行・中止・転倒：安全なヒューマノイドアクロバットのための実行可能性認識型ポリシー選択（VAPS）
  ヒューマノイド制御2026/10/1

  ヒューマノイドのアクロバット動作中に、追従ポリシーと中止ポリシーの短期的な実行可能性を予測し、最も野心的な行動を選択することで、ハードウェア損傷を抑える手法を提案。

• 意味的安全ロボット制御のためのニューロシンボリック述語学習
  安全制御2026/9/30

  人間が指定した安全知識から再利用可能な安全表現を学習する微分可能推論器NEUPROを提案し、解釈可能なロボット安全仕様のベンチマークREASONを構築した。

• CrossBFM: ヒューマノイド間で共有される潜在行動空間の蒸留
  VLA2026/9/29

  リターゲティングを利用して、複数のヒューマノイドに共通の潜在行動空間を1GPU時間未満で蒸留し、10GPU時間の追従学習で全身制御を実現する手法を提案。

• 拡散言語モデルエージェントのための逆スコアリング：失敗後の再試行ループを訓練なしで解消
  VLA2026/9/29

  拡散言語モデルが失敗した行動を繰り返す原因をマスクデコーディングの適応性に求め、タスク無関係なバイアスが逆条件付き確率で相殺される性質を利用した訓練不要の改善手法を提案する。

• ChronoSRL: 自己教師あり強化学習のための時間的幾何学
  強化学習2026/9/28

  状態行動とゴールの埋め込み間の距離を到達時間に一致させる時間的幾何学を導入し、生存強化学習と組み合わせて、より速く信頼性の高いゴール到達を実現する手法を提案。

• ExoLaN: 外骨格のための物理整合型コンテキスト適応ダイナミクス学習
  外骨格/ダイナミクス学習2026/9/25

  外骨格装着時の人間-外骨格系のダイナミクスを、足圧センサ情報と時間的文脈から学習し、未知ユーザー・未知タスクでもトルク推定と順方向予測を高精度化する手法を提案。

• ForwardDLO: 固定されていない変形可能な線状物体に対するモデルベース両腕形状マッチング
  マニピュレーション2026/9/16

  固定されていないロープを両腕で把持・操作するための再帰的潜在ダイナミクスモデルを提案し、高精度かつ高速な候補行動評価により実世界の形状マッチングと経路誘導タスクを実現した。

• 盲目の巧みさ：純粋な自己受容感覚による全身ヒューマノイド操作
  全身操作/自己受容感覚2026/8/30

  カメラや触覚センサーを使わず、関節エンコーダのみの自己受容感覚でUnitree G1ヒューマノイドが全身操作タスク（歩行、ボールトラップ、スーツケース持ち上げ、スケートボード搭乗）を達成できることを示した論文。接触による関節読み取り値の変化が全身触覚チャネルとして機能することを明らかにした。

• 物理的インタラクションの学習：触覚・力覚を考慮したロボット学習のサーベイ
  触覚・力覚学習2026/8/1

  触覚・力覚センシングを統合したロボット学習手法を、マルチモーダルかつ多段階のシステム設計の観点から統一的な分類学TF-ARTを用いて整理し、今後の研究課題を考察したサーベイ論文。

• 四足歩行のための迅速な身体適応フレームワーク
  歩行2026/8/1

  四足ロボットが身体の変化（関節の制限や質量の変化）に迅速に適応するためのオンライン適応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。

• 容量ではなく構造：視覚運動模倣学習のためのオブジェクト中心表現
  模倣学習2026/7/1

  ロボット操作の模倣学習において、オブジェクト中心のスロット表現が、従来の密な特徴表現よりも高い成功率を達成することを示した論文。

• 安全強化学習における効率的探索のための方向性制約
  安全強化学習2026/7/1

  安全強化学習の性能と安全性のトレードオフを改善するため、制約境界に近づく動作のみに制約を適用する方向性制約を導入したATACOMフレームワークの拡張手法を提案した。

• キャッチ、スロー、リピート：人間とロボットのパートナージャグリングのための計画
  物理的HRI/計画2026/7/1

  人間とロボットが協力してボールを投げ合うジャグリングを実現するための、リアルタイムの計画・制御アーキテクチャを提案した。予測トラッキングと軌道最適化を統合し、初心者から熟練者までの被験者で3ボールカスケードを達成した。

• 実ロボット5球ジャグリングのためのタスク誤差残差学習
  ロボット制御2026/6/15

  方向性のあるタスク誤差を教師信号とする残差学習と、タスク誤差モデルによるサンプル選択を組み合わせ、人間型アームでの3〜5球ジャグリングを安定して実現した。

• 歩みに注意：正確な人型ロボットの足場追跡のための汎用学習フレームワーク
  歩行2026/6/6

  人型ロボットの足場配置を明示的に追跡する汎用の強化学習フレームワークを提案し、実世界のノイズに頑健な目標表現とゴールサンプラーにより、様々な高レベルプランナーと組み合わせ可能な低レベルコントローラを実現した。

• 接触リッチ操作のための超並列サンプリングベースMPCの実機展開
  マニピュレーション2026/6/1

  JAXとMuJoCo MJXを用いたサンプリングベースMPCを実機Frankaに展開し、Push-Tタスクでモード切替を要する場合に既存手法より優れることを示した。また、オンラインのドメインランダム化の効果を評価した。

• 身体を形作る：多形態ロボット設計のための価値勾配
  ロボット設計2026/6/1

  複数のロボット設計で訓練した価値関数を微分可能な代理モデルとして使い、勾配法で新しいロボットの形態を最適化する手法を提案した。

• 学習報酬を用いた大規模行動モデルのコヒーレントなオフポリシー改善
  模倣学習/逆強化学習2026/6/1

  大規模な事前学習済みロボット操作ポリシーを、逆強化学習で学習した稠密報酬を用いて微調整し、スパース報酬のRLベースラインよりも高い成功率を達成した。

• ロボットにはVLAと世界モデルだけでは不十分
  基盤モデル2026/6/1

  ロボットの汎用知能はポリシースケーリングだけでは不十分で、非構造化データをロボットの教師信号に変換する仕組みが必要だと主張するポジションペーパー。

• 多解像度触覚模倣学習による接触リッチなロボット操作
  触覚/模倣学習/マニピュレーション2026/6/1

  異なる時間解像度の複数触覚センサを融合する表現フレームワークMiTaSを提案し、接触を伴う操作タスクの模倣学習を高精度化した。

• 言語条件付き両手巧緻操作のための強化学習によるスケーラブルなマルチタスクデータ生成
  両手操作/データ生成/強化学習2026/6/1

  両手巧緻操作の汎用ポリシー学習に必要な大規模データを、強化学習と汎用報酬設計・ドメインランダム化・言語注釈を組み合わせたパイプラインでシミュレーション生成し、マルチタスク学習の汎化性能を向上させた。

• 視覚言語行動モデルのファインチューニングには、思っているより少ない層で十分である
  VLA/モデル圧縮2026/6/1

  大規模な視覚言語行動（VLA）モデルには層ごとの冗長性があることを発見し、学習不要の構造圧縮パイプラインを提案。冗長な層を除去してモデルを最大50%圧縮し、ファインチューニング時間を40-50%、推論時間を最大30%削減しつつ、性能はフルモデルと同等以上を達成した。

• 信頼領域逆強化学習：局所方策更新を用いた明示的双対上昇法
  逆強化学習2026/5/1

  逆強化学習において、毎回RL問題を完全に解くことなく、信頼領域制約付きの局所更新で双対目的を明示的に最適化する手法を提案し、安定性と単調改善を両立した。

• 人間の遠隔操作データから学ぶ、シミュレーション基盤の双腕ロープ操作ポリシー
  模倣学習/操作2026/5/1

  この論文は、結び目を解くタスクにおいて、視覚ベースのポリシーよりも物理状態ベースのポリシーの方が汎化性能が高いことを示し、観測空間の選択が重要であることを明らかにした。

• AssistDLO: 変形可能な線状物体操作のための支援型テレオペレーション
  テレオペレーション2026/5/1

  変形可能な線状物体(DLO)のテレオペレーションを支援するフレームワークを提案し、多視点状態推定、視覚支援、制御バリア関数に基づく形状認識共有自律制御を組み合わせた。両腕による結び目解きのユーザー実験で、初心者には成功率向上、専門家には視覚支援が有効であるなど、ユーザーと物体特性に応じた適応的支援の必要性を示した。

• 駆動脊椎を備えたアジャイル四足歩行の評価
  四足歩行2026/5/1

  四足ロボットに駆動脊椎を追加することで、高速走行や階段・斜面・障害物の克服などアジャイルな動きが向上するかをシミュレーションで検証した論文。

• 脚式ロボットのための強化学習による能動的身体識別
  脚式ロボット2026/5/1

  脚式ロボットが環境との相互作用を通じて自身の身体パラメータを能動的に推定する手法を提案し、シミュレーションで異なる形態に対して有効性を示した。

• VLM誘導の意味・幾何推論によるタスク認識両腕アフォーダンス予測
  両腕操作2026/4/1

  両腕操作において、物体のどこを操作し、どちらの腕で行うかをタスクに応じて予測する階層的フレームワークを提案。VLMを用いてカテゴリ非依存に意味理解と幾何検証を統合し、実機9タスクで高成功率を達成。

• FlashSAC: 高次元ロボット制御のための高速かつ安定なオフポリシー強化学習
  強化学習2026/4/1

  オフポリシー強化学習の不安定性を解決するため、勾配更新を削減しつつモデル規模とデータ処理量を増やし、ノルム制約で安定化したFlashSACを提案。60以上のタスクでPPO等を上回る性能と効率を示した。

• RopeDreamer: 柔軟な変形可能線状物体のダイナミクスのための運動学的リカレント状態空間モデル
  変形物体操作2026/4/1

  柔軟な変形可能線状物体（DLO）の操作を高精度に予測するため、クォータニオンによる運動学的連鎖表現とリカレント状態空間モデルを組み合わせた潜在ダイナミクスモデルを提案した。自己交差を含む複雑な軌道で、50ステップ予測誤差を40.52%削減し、推論時間も31.17%短縮した。

• 未知環境におけるロボットのロバスト適応バックステッピングインピーダンス制御
  インピーダンス制御2026/4/1

  接触を伴う不確かな環境で動作するロボット向けに、外乱や未モデル化動力学を考慮しつつ、動的パラメータを必要としないロバスト適応バックステッピングインピーダンス制御法を提案した。シミュレーションと実機実験で安全性と追従性能を検証している。

• 行動制約付き強化学習と後退地平線クレジット割り当てによる高性能制御
  強化学習2026/4/1

  専門家の行動から逸脱しすぎずに、デモンストレーションを超える高性能な制御ポリシーを学習する強化学習フレームワークを提案した。

• GaussTwin: ガウススプラッティングによるロボットデジタルツインの統合シミュレーションと補正
  デジタルツイン2026/3/1

  ロボット操作のためのデジタルツインを、物理ベースのシミュレーションとガウススプラッティングによる視覚補正を統合して構築し、実機実験で追跡精度とロバスト性を向上させた。

• 制御バリア関数を用いたBarrierIKによる安全性を考慮した共有自律フレームワーク
  共有自律制御2026/3/1

  共有自律制御において、逆運動学層に制御バリア関数を適用し、ブレンド後の安全性をハード制約として保証する手法を提案・評価した。

• CompliantVLA-adaptor：VLM誘導可変インピーダンスによる安全な接触リッチマニピュレーション
  マニピュレーション2026/1/1

  VLAモデルにVLMが解釈したタスク文脈で可変インピーダンス制御を適応させ、力覚フィードバックで安全性を確保することで、接触を伴うマニピュレーションの成功率と安全性を向上させた。

• ニューロモルフィック触覚センシングによる連続点字読み取り
  触覚2026/1/1

  イベントベース触覚センサEvetacを用い、連続的な点字スキャンを高精度・低遅延で認識するパイプラインを提案した。

• Vision-Language-Actionモデルの解剖学：モジュールからマイルストーン、課題まで
  VLA2025/12/1

  VLAモデルの基本構成から歴史的発展、そして表現・実行・汎化・安全性・データセットと評価という5大課題を整理したサーベイ論文。

• SE(3)-PoseFlow: 不確実性を考慮したロボットマニピュレーションのための6D姿勢分布推定
  姿勢推定/不確実性/マニピュレーション2025/11/1

  SE(3)多様体上のフローマッチングを用いて物体の6D姿勢分布を確率的に推定し、対称物体や遮蔽時の不確実性を扱えるようにした手法を提案。能動的知覚や把持合成などのロボット操作タスクへの応用も示した。

• 触覚条件付き拡散方策による力覚対応ロボットマニピュレーション
  マニピュレーション2025/10/1

  触覚センサの高次元データから力信号を推定し、把持力・姿勢・グリップ幅を同時に予測する拡散方策を提案。高力・低力・動的力適応の3タスクで既存手法を上回った。

• 浮遊ベース深層ラグランジュネットワーク
  システム同定2025/10/1

  浮遊ベース系の慣性行列の物理的制約を満たすパラメータ化を導入し、ラグランジュ力学に基づくニューラルネットワークで逆動力学誤差を最小化する手法を提案。四足歩行ロボットとヒューマノイドのデータセットで評価し、シミュレーションと実機の両方で性能と解釈性が向上。

• ギャップを埋める：垂直地面外乱を伴う四足歩行の強化
  歩行2025/10/1

  振動する橋の上で四足ロボットの歩行を強化学習で訓練し、垂直地面外乱に対する安定性と適応性を向上させる手法を提案した。

• 方策探索による離散変分オートエンコーディング
  生成モデル2025/9/1

  方策探索の自然勾配を利用して、再パラメータ化不要で離散VAEを訓練する手法を提案し、ImageNetなどの高次元画像再構成で既存手法を上回った。

• Embodied Arena：具現化AIのための包括的・統合・進化型評価プラットフォーム
  評価基盤2025/9/1

  具現化AIの能力を3階層・7能力・25次元で体系化し、22のベンチマークと30以上のモデルを統合評価する進化型プラットフォームを構築した。

• 人間とロボットの共有作業空間におけるLED信号と感情表示の効果検証
  HRI2025/9/1

  ロボットにLED信号と表情表示を付けて人間との協働実験を行い、感情表示はインタラクティブ感を高めるが衝突予測や作業効率の改善には寄与しないことを示した。

• 大規模マルチ身体ロコモーション：極端な身体ランダム化による汎用歩行制御
  歩行2025/9/1

  50種類の脚型ロボットで訓練した単一の歩行ポリシーを提案し、未知の実機ヒューマノイドと四足歩行ロボットへのゼロショット転移を実現した。

• モバイルマニピュレーションにおける直感的全身テレオペレーションへの身体性の役割
  テレオペレーション2025/9/1

  移動マニピュレーションの遠隔操作において、操作と移動を統合するか分離するか、またVRと画面表示のフィードバックを比較し、VRは作業時間と負荷を増やす一方、統合型の操作が模倣学習の性能を高める可能性を示した。

• 重み正規化によるCrossQのスケーリング
  強化学習2025/6/4

  強化学習手法CrossQに重み正規化を導入し、高いUTD比でも安定して学習できるようにしてサンプル効率を改善した研究。

• DoublyAware: ヒューマノイド歩行のための時間差学習における計画と方策の二重不確実性認識
  歩行2025/6/1

  ヒューマノイド歩行のモデルベース強化学習において、不確実性を計画と方策に分解し、Conformal PredictionとGroup-Relative Policy Constraintで対処するTD-MPC拡張手法を提案。

• ARK: ロボット学習のためのオープンソースPythonベースフレームワーク
  ロボット学習フレームワーク2025/6/1

  Python中心のロボット学習フレームワークARKを提案し、Gym風環境でシミュレーションと実機を切り替えながら模倣学習アルゴリズムを簡単に使えるようにした。

• 文脈認識型Deep Lagrangian Networksによるモデル予測制御
  マニピュレーション2025/6/1

  Deep Lagrangian Networksを文脈認識型に拡張し、リカレントネットワークによるオンライン同定とモデル予測制御を組み合わせることで、負荷が変動する7自由度ロボットアームの軌道追従精度を向上させた研究。

• 神経記号ロボット学習のためのベイズ逆物理
  神経記号/ロボット学習2025/6/1

  微分可能物理・ベイズ推論・メタ学習を組み合わせ、物理記号推論を神経モデルに埋め込む神経記号アーキテクチャの概念枠組みと研究ロードマップを提案する位置論文。

• 触覚MNIST：能動的触覚知覚のベンチマーク
  触覚2025/6/1

  能動的触覚知覚タスク（位置推定・分類・体積推定）のためのオープンソースベンチマークと、合成・実世界の触覚データセットを提案した論文。

• 視触覚融合による把持物体の姿勢推定
  触覚2025/6/1

  手首カメラと指先の触覚センサを融合し、重み付きICPで把持物体の6D姿勢を推定する手法を提案。遮蔽時も高精度で、挿入タスクに応用した。

• モデルテンソルプランニング
  MPC2025/5/1

  テンソルサンプリングとスプライン補間で高エントロピーな制御軌道を生成し、探索と活用を両立させるサンプリングベースMPCフレームワークを提案。

• 視覚触覚センサによる硬さ分類のための能動サンプリングの検討
  触覚2025/5/1

  視覚触覚センサを用いた物体の硬さ分類において、不確実性に基づく能動サンプリングがランダムサンプリングより高精度・高安定であることを示し、人間の平均精度48%を上回る88.78%を達成した。

• 帰納バイアスを用いた安全なロボット基盤モデルへの道
  安全・基盤モデル2025/5/1

  ロボット基盤モデルに幾何学的帰納バイアスを組み合わせ、安全層ATACOMで行動制約を課すことで、形式的な安全保証を実現する手法を提案。

• 低コスト四足歩行ロボットのための堅牢な自己位置推定・地図生成・ナビゲーション
  歩行2025/5/1

  接触支援型の運動学・視覚慣性オドメトリ・深度安定化視覚を組み合わせ、低コストな四足歩行ロボットが深度カメラのみで環境の2D地図生成・自己位置推定・自律ナビゲーションを行えるシステムを提案した。

• 環境接地型インタラクションによる階層的ドメインモデルの学習
  タスクプランニング2025/5/1

  LLMとシミュレータ上の試行を通じて、人間のフィードバックなしにタスク固有の階層的ドメインモデルを自動生成・修正するフレームワークLODGEを提案し、計画・ロボット組立タスクでの精度と成功率を向上させた。

• APPLE: 強化学習による汎用的な能動的知覚の実現
  能動的知覚2025/5/1

  強化学習を用いて、触覚探索などの能動的知覚タスクを汎用的に解くフレームワークAPPLEを提案し、Tactile MNISTベンチマークで有効性を示した。

• TD-GRPC: 群相対方策制約を用いた時間差分学習によるヒューマノイド歩行
  歩行2025/5/1

  TD-MPCにGRPOと方策制約を組み合わせ、計画と学習の整合性を保ちながらヒューマノイドの歩行・動的運動を安定化させる手法を提案。

• ロボット歩行における身体性スケーリング則への試み
  歩行2025/5/1

  約1000種のロボット身体を手続き的に生成し、多様な身体で訓練するほど未知の身体への汎化が向上することを歩行タスクで示し、実機のUnitree Go2やH1にもゼロショット転移した。

• 制約付きガウス過程運動計画のためのStein変分ニュートン推論
  運動計画2025/4/1

  硬い非線形制約を厳密に扱いつつベイズ事後分布を効率的に推論する、Stein変分法に基づく新しいガウス過程運動計画フレームワークを提案し、350タスクで98.57%の成功率を達成した。

• 模倣学習における触覚センシングの重要性：ロボットによるマッチ点火のケーススタディ
  触覚2025/4/1

  視覚と触覚を統合したマルチモーダル模倣学習フレームワークを提案し、動的で接触の多いマッチ点火タスクにおいて触覚情報が政策性能を向上させることを示した。

• ニューロシンボリック模倣学習：スキル学習のための記号的抽象化の発見
  模倣学習2025/3/1

  模倣学習において、低レベルな状態行動空間を記号的に抽象化し、タスクをサブタスクに分解して記号プランニングとニューラルスキルを組み合わせる枠組みを提案。データ効率・汎化・解釈性が向上することを示した。

• 8分で歩き出す：四足歩行ロボットの全方位移動を実機で効率的に学習
  歩行2025/3/1

  オフポリシー強化学習アルゴリズムCrossQを用いて、四足ロボットの全方位歩行を実機上でわずか8分のリアルタイム学習で獲得するフレームワークを提案した。

• ロバストな運動知能のための強化学習：第2回RealAIGym AIオリンピックからの教訓
  強化学習2025/3/1

  IROS 2024で開催された二重振り子の振り上げ制御を競う競技会において、参加チームが提出した4種類の強化学習手法を実機で評価し、シミュレーションから実機への転移性や外乱に対するロバスト性を比較検討した。

• 安全なロボット基盤モデルに向けて
  安全強化学習2025/3/1

  汎用ロボット方策の行動空間を安全制約するレイヤーをATACOMの拡張により実現し、エアホッケー環境で衝突回避を実証した。

• FlowMP: 条件付きフローマッチングによるロボット計画のための運動場学習
  運動計画2025/3/1

  フローマッチングを拡張して軌道の二次ダイナミクス（加速度）を考慮し、滑らかで物理的に実行可能なロボット運動を生成する計画手法を提案。ベンチマークで成功率と軌道品質が向上。

• バッチ・重み正規化によるオフポリシー強化学習のスケーリング
  強化学習2025/2/11

  CrossQに重み正規化を組み込み、高い更新対データ比でも安定して学習できるようにし、連続制御タスクでのサンプル効率を改善した。

• マルチエージェント強化学習における時間・エージェント間の報酬再分配
  マルチエージェント強化学習2025/2/1

  マルチエージェント強化学習の信用割り当て問題に対し、モデル精度に依存せず最適方策を保証する報酬再分配手法TAR²を提案し、SMACLiteやGRFで学習加速と性能向上を示した。

• ノイズ条件付きエネルギーベースアニーリング報酬（NEAR）：観測からの模倣学習のための生成フレームワーク
  模倣学習2025/1/1

  専門家の動作軌跡（状態のみ）から、エネルギーベース生成モデルとノイズ条件付きスコアマッチングを用いて報酬関数を学習し、強化学習により複雑なロボット運動ポリシーを模倣する手法を提案。

• Grasp Diffusion Network: 部分点群からSO(3)×R3上の拡散モデルで把持姿勢を生成
  マニピュレーション2024/12/1

  単視点の部分点群から、回転多様体上の拡散モデルと衝突回避コスト誘導を用いて把持姿勢を生成し、実世界で90%の成功率を達成した。

• 高速でロバストな視覚運動リーマン・フローマッチング方策
  VLA2024/12/1

  リーマン多様体上のフローマッチングを用いて、幾何学的制約を考慮しつつ高速推論と安定性を両立した視覚運動方策を提案し、実機を含む10タスクで既存手法を上回る性能を示した。

• 全身ヒューマノイド制御のための拡散ポリシー訓練におけるドメインランダム化の役割
  ヒューマノイド制御2024/11/1

  ヒューマノイドの全身制御に拡散ポリシーを適用し、ドメインランダム化で生成した模倣データの多様性と量が性能に与える影響をIsaacGym上で調査した。歩行には操作タスクより大規模で多様なデータが必要だと示した。

• ロボットエアホッケー選手権の回顧：実世界ロボティクスに向けた堅牢・信頼・安全な学習技術のベンチマーク
  sim2real2024/11/1

  NeurIPS 2023で開催されたロボットエアホッケー選手権を振り返り、sim-to-realギャップや安全性など実世界展開の課題をベンチマークし、学習と事前知識の組み合わせが有効であることを示した。

• TacEx: Isaac SimにおけるGelSight触覚シミュレーション — ソフトボディと視触覚シミュレータの統合
  触覚2024/11/1

  Isaac Simにソフトボディ接触シミュレータGIPCと視触覚シミュレータTaxim/FOTSを組み込み、GelSight Miniの触覚を高精度に再現するモジュール式シミュレーションフレームワークTacExを開発し、強化学習環境でその有効性を検証した。

• グローバルテンソル動作計画
  動作計画2024/11/1

  テンソル演算のみで構成され、GPU/TPU上でバッチ動作計画を高速化するサンプリングベース動作計画アルゴリズムを提案。

• 有限要素解析に基づくGelSight Mini光学触覚センサの力分布推定学習
  触覚2024/11/1

  GelSight Miniの生画像からU-netで法線力・せん断力分布を直接予測する機械学習手法を提案し、有限要素解析で生成した教師データで訓練した。

• 速度履歴を用いたSoft Actor-CriticによるIROS'24競技への挑戦
  強化学習/制御2024/10/1

  Soft Actor-CriticにCNNで履歴を符号化したコンテキストベクトルを追加し、PendubotとAcrobotの不安定な劣駆動系を安定化する手法を提案した。

• 巧みな挿入タスクにおける視覚と触覚の相互作用の分析
  マニピュレーション2024/10/1

  ロボットの挿入タスクにおいて、視覚と触覚のフィードバックの相互作用を分析し、触覚が厳しい公差や多様な穴の向きの挿入成功率を大幅に向上させることを示した。

• 自動タスク生成によるロボットマニピュレーションのための教師なしスキル発見
  マニピュレーション2024/10/1

  自動生成した多様なタスクを解くことで、物体と相互作用するスキルを教師なしで発見し、階層強化学習で未知のマニピュレーションタスクに活用できる手法を提案。

• カスケードを超えて：バニラサイトスワップパターンのジャグリング
  マニピュレーション2024/10/1

  ロボットによるジャグリングで、投げる高さが混在するバニラサイトスワップ記法のパターンを実現するため、投擲高さ列プランナーとエンドエフェクタ軌道の制約を導入し、シミュレーションで3〜9ボールの一般的なパターンや遷移、ランダム列の成功を示した。

• 安全強化学習における長期的安全性と不確実性への対処
  安全強化学習2024/9/1

  モデルベースの安全強化学習手法ATACOMを学習可能な制約で拡張し、長期的な安全性と不確実性に対処できるようにした研究。

• QueryCAD：CADモデルに対する根拠付き質問応答
  CAD質問応答2024/9/1

  自然言語クエリでCADモデルから情報を抽出する初の質問応答システムQueryCADを提案し、オープン語彙インスタンスセグメンテーションモデルSegCADやベンチマークを開発、ロボットプログラム自動合成に統合した。

• ActionFlow: 空間対称なフローマッチングによる同変・高精度・高効率なロボット政策
  マニピュレーション2024/9/1

  観測と行動の相対SE(3)姿勢を扱うSE(3)不変Transformerとフローマッチングを組み合わせ、空間対称性を活かした高精度・高効率なマニピュレーション政策を実現した。

• 適応制御に基づく摩擦推定によるロボットマニピュレータの軌道追従制御
  マニピュレーション2024/9/1

  非線形な静止摩擦現象を捉える線形パラメータ化摩擦モデルを提案し、バックステッピングに基づく適応制御摩擦推定器とロバスト推定のための励起生成アルゴリズムを開発、KUKA iiwa 14での軌道追従実験で有効性を示した。

• 多様な脚式ロボットを制御する単一ポリシー：エンドツーエンド学習によるマルチエンボディメント歩行
  歩行2024/9/1

  形態に依存しないエンコーダ・デコーダを備えた統合ロボット形態アーキテクチャURMAを提案し、四足・人型・六脚など異なる脚式ロボットを単一の歩行ポリシーで制御、未見の機体にもゼロ/少数ショット転移できることを示した。

• 深層衝突確率場による不確実性下での安全かつ効率的な経路計画
  経路計画2024/9/1

  任意の物体と単峰性不確実性分布に対する衝突確率をニューラルネットで高速推定する手法を提案し、通常の経路計画に組み込むことで不確実な静的・動的障害物を避ける安全な経路を生成できることを示した。

• ロボティクスにおける深層生成モデル：マルチモーダル実演からの学習に関するサーベイ
  模倣学習2024/8/1

  ロボットの実演学習に深層生成モデル（拡散モデルやGANなど）を活用する近年の研究を、モデル種別・応用・分布外汎化の観点から統一的に整理したサーベイ。

• MuJoCo MPCによるヒューマノイド制御：HumanoidBenchでの評価
  ヒューマノイド制御2024/8/1

  MuJoCo MPCを用いてヒューマノイド全身制御ベンチマークHumanoidBenchに取り組み、スパース報酬の問題を正則化項で解決し、一部タスクで最高スコアと自然な姿勢・滑らかな制御を両立した。

• 双腕マニピュレーションのための模倣学習アルゴリズム比較
  マニピュレーション2024/8/1

  高精度な双腕マニピュレーションタスクにおいて、代表的な模倣学習アルゴリズムを比較し、ハイパーパラメータ感度やデータ効率、性能などの特性を実験的に評価した。

• 学習ベース計画・運動プリミティブ・安全強化学習の統合による軌道生成
  安全強化学習2024/8/1

  運動プリミティブのブラックボックス学習と最適化を組み合わせ、複雑な運動学的制約下での安全な軌道計画を実現する手法を提案し、エアホッケーの打撃タスクで既存の安全強化学習を上回る性能を示した。

• 刺激的な行動：筋骨格ヒューマノイドの歩行学習における効率的な探索の検討
  歩行2024/7/1

  筋骨格ヒューマノイドの歩行・走行制御を、少数の実演データを用いた敵対的模倣学習で学習し、自然な歩容を実現した研究。

• MoVEInt: 混合変分エキスパートによる実演からの人間-ロボットインタラクション学習
  模倣学習/人間-ロボットインタラクション2024/7/1

  人間の観察を混合密度ネットワークで潜在空間の事前分布として取り込み、VAEと混合エキスパート構成で実演から人間-ロボットインタラクションの共有潜在表現を学習する手法を提案。握手やハイタッチなどのタスクで従来手法より正確なロボット動作を実現した。

• ロボットエアホッケーにおける高速軌道最適化のための接触計画の蒸留
  マニピュレーション2024/7/1

  接触を伴うロボット制御において、高レベルの接触計画を確率的制御方策から蒸留し、低レベルではモデル予測制御を行うことで、エアホッケーの高速かつ正確なショットを実現した。

• PianoMime: インターネットのデモンストレーションから汎用器用なピアノ演奏エージェントを学習
  マニピュレーション2024/7/1

  YouTubeのプロピアニストの演奏動画を活用し、任意の曲を演奏できる汎用ピアノ演奏エージェントを訓練するフレームワークを提案。データ準備、曲別エキスパート方策学習、汎用エージェントへの蒸留の3段階で構成され、未見曲で最大56%のF1スコアを達成。

• ROS-LLM：タスクフィードバックと構造化推論を備えた身体性AIのためのROSフレームワーク
  VLA2024/6/1

  ROSと大規模言語モデルを統合し、非専門家が自然言語でロボットをプログラミングできるフレームワークを提案。行動モードや模倣学習、フィードバックによる反省機能を備え、多様なタスクで有効性を検証した。

• 実世界における触覚を用いた挿入タスクの学習
  触覚2024/5/1

  触覚センサの読み取りから直接行動を出力する強化学習ポリシーをDreamer-v3で学習し、シミュレーションと実機のFranka Research 3で挿入タスクを実行した。

• 制約多様体上の安全強化学習：理論と応用
  安全強化学習2024/4/1

  ロボットの安全制約を制約多様体として捉え、微分幾何学の接空間を用いて安全な行動空間を構成することで、実機での強化学習においても安全性を保証する手法を提案した論文。

• 視触覚センシングと触覚フィードバックを統合した遠隔操作ロボットマニピュレーション
  遠隔操作2024/4/1

  ロボットのエンドエフェクタに高解像度の視触覚センサを取り付け、低コストな触覚グローブで振動フィードバックを提示する遠隔操作システムを構築し、VRパイプラインに統合して評価した。

• 意味的特徴に基づく距離尺度による動作軌道のクラスタリング
  動作解析2024/4/1

  動作計画の主要な特徴を圧縮表現し、それに基づく新しい距離尺度で階層的クラスタリングを行う手法を提案し、DTWより高速で同等以上の性能を示した。

• 視覚ベース触覚センサによる能動的テクスチャ認識で重要な要素
  触覚2024/3/1

  視覚ベース触覚センサを用いた布地テクスチャ認識のための能動的サンプリング戦略を検討し、データ拡張とドロップアウト率が精度に大きく影響することを示した。

• 人間らしい両手ロボットから人間への受け渡し動作の運動学的制約付き生成
  マニピュレーション2024/2/1

  隠れセミマルコフモデルとタスク空間制約を用いて、人間の動きに反応しながら両手で物体を受け渡すロボット動作を生成し、人間らしさが向上することを示した。

• Transition State Clustering for Interaction Segmentation and Learning
  2024/2/1
• Evetac: An Event-based Optical Tactile Sensor for Robotic Manipulation
  2023/12/1
• Time-Efficient Reinforcement Learning with Stochastic Stateful Policies
  2023/11/7
• Robust Adversarial Reinforcement Learning via Bounded Rationality Curricula
  2023/11/3
• LocoMuJoCo: A Comprehensive Imitation Learning Benchmark for Locomotion
  2023/11/1
• Learning Multimodal Latent Dynamics for Human-Robot Interaction
  2023/11/1
• Domain Randomization via Entropy Maximization
  2023/11/1
• Towards Transferring Tactile-based Continuous Force Control Policies from Simulation to Robot
  2023/11/1
• Open X-Embodiment: Robotic Learning Datasets and RT-X Models
  2023/10/1
• Tracking Control for a Spherical Pendulum via Curriculum Reinforcement Learning
  2023/9/1
• Accelerating Motion Planning via Optimal Transport
  2023/9/1
• Motion Planning Diffusion: Learning and Planning of Robot Motions with Diffusion Models
  2023/8/1
• Model Predictive Control with Gaussian-Process-Supported Dynamical Constraints for Autonomous Vehicles
  2023/3/1
• LS-IQ: Implicit Reward Regularization for Inverse Reinforcement Learning
  2023/3/1
• A Human-Centered Safe Robot Reinforcement Learning Framework with Interactive Behaviors
  2023/2/1
• Fast Kinodynamic Planning on the Constraint Manifold with Deep Neural Networks
  2023/1/1
• Learning-based Design and Control for Quadrupedal Robots with Parallel-Elastic Actuators
  2023/1/1
• Hierarchical Policy Blending As Optimal Transport
  2022/12/1
• Visual Tactile Sensor Based Force Estimation for Position-Force Teleoperation
  2022/12/1
• Variational Hierarchical Mixtures for Probabilistic Learning of Inverse Dynamics
  2022/11/1
• How Crucial is Transformer in Decision Transformer?
  2022/11/1
• Inferring Smooth Control: Monte Carlo Posterior Policy Iteration with Gaussian Processes
  2022/10/1
• Hierarchical Policy Blending as Inference for Reactive Robot Control
  2022/10/1
• Placing by Touching: An empirical study on the importance of tactile sensing for precise object placing
  2022/10/1
• Active Exploration for Robotic Manipulation
  2022/10/1
• MILD: Multimodal Interactive Latent Dynamics for Learning Human-Robot Interaction
  2022/10/1
• Self-supervised Sequential Information Bottleneck for Robust Exploration in Deep Reinforcement Learning
  2022/9/1
• SE(3)-DiffusionFields: Learning smooth cost functions for joint grasp and motion optimization through diffusion
  2022/9/1
• Safe Reinforcement Learning of Dynamic High-Dimensional Robotic Tasks: Navigation, Manipulation, Interaction
  2022/9/1
• Controlling the Cascade: Kinematic Planning for N-ball Toss Juggling
  2022/7/1
• Active Inference for Robotic Manipulation
  2022/6/1
• Learning Implicit Priors for Motion Optimization
  2022/4/1
• Graph-based Reinforcement Learning meets Mixed Integer Programs: An application to 3D robot assembly discovery
  2022/3/1
• Robot Learning of Mobile Manipulation with Reachability Behavior Priors
  2022/3/1
• Regularized Deep Signed Distance Fields for Reactive Motion Generation
  2022/3/1
• Residual Robot Learning for Object-Centric Probabilistic Movement Primitives
  2022/3/1
• A Hierarchical Approach to Active Pose Estimation
  2022/3/1
• Accelerating Integrated Task and Motion Planning with Neural Feasibility Checking
  2022/3/1
• An Adaptive Human Driver Model for Realistic Race Car Simulations
  2022/3/1
• Learning Geometric Constraints in Task and Motion Planning
  2022/1/1
• Distilled Domain Randomization
  2021/12/1
• Robot Learning from Randomized Simulations: A Review
  2021/11/1
• Learning Stable Vector Fields on Lie Groups
  2021/10/1
• A Differentiable Newton-Euler Algorithm for Real-World Robotics
  2021/10/1
• Continuous-Time Fitted Value Iteration for Robust Policies
  2021/10/1
• Combining Physics and Deep Learning to learn Continuous-Time Dynamics Models
  2021/10/1
• Real Robot Challenge: A Robotics Competition in the Cloud
  2021/9/1
• Efficient and Reactive Planning for High Speed Robot Air Hockey
  2021/7/1
• Benchmarking Structured Policies and Policy Optimization for Real-World Dexterous Object Manipulation
  2021/5/1
• Composable Energy Policies for Reactive Motion Generation and Reinforcement Learning
  2021/5/1
• Value Iteration in Continuous Actions, States and Time
  2021/5/1
• Robust Value Iteration for Continuous Control Tasks
  2021/5/1
• Efficient Stochastic Optimal Control through Approximate Bayesian Input Inference
  2021/5/1
• SKID RAW: Skill Discovery from Raw Trajectories
  2021/3/1
• Advancing Trajectory Optimization with Approximate Inference: Exploration, Covariance Control and Adaptive Risk
  2021/3/1
• Model Predictive Actor-Critic: Accelerating Robot Skill Acquisition with Deep Reinforcement Learning
  2021/3/1
• Distributionally Robust Trajectory Optimization Under Uncertain Dynamics via Relative Entropy Trust-Regions
  2021/3/1
• Learning Human-like Hand Reaching for Human-Robot Handshaking
  2021/3/1
• Extended Tree Search for Robot Task and Motion Planning
  2021/3/1
• Human-Robot Handshaking: A Review
  2021/2/1
• Perspectives on Sim2Real Transfer for Robotics: A Summary of the R:SS 2020 Workshop
  2020/12/1
• Structured Policy Representation: Imposing Stability in arbitrarily conditioned dynamic systems
  2020/12/1
• Differentiable Physics Models for Real-world Offline Model-based Reinforcement Learning
  2020/11/1
• A Variational Infinite Mixture for Probabilistic Inverse Dynamics Learning
  2020/11/1
• Contextual Latent-Movements Off-Policy Optimization for Robotic Manipulation Skills
  2020/10/1
• A Differentiable Newton Euler Algorithm for Multi-body Model Learning
  2020/10/1
• High Acceleration Reinforcement Learning for Real-World Juggling with Binary Rewards
  2020/10/1
• ImitationFlow: Learning Deep Stable Stochastic Dynamic Systems by Normalizing Flows
  2020/10/1
• Advances in Human-Robot Handshaking
  2020/8/1
• Assisted Teleoperation in Changing Environments with a Mixture of Virtual Guides
  2020/8/1
• Model-Based Quality-Diversity Search for Efficient Robot Learning
  2020/8/1
• Multi-Sensor Next-Best-View Planning as Matroid-Constrained Submodular Maximization
  2020/7/1
• Learning to Play Table Tennis From Scratch using Muscular Robots
  2020/6/1
• Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation
  2020/6/1
• Metric-Based Imitation Learning Between Two Dissimilar Anthropomorphic Robotic Arms
  2020/3/1
• Dimensionality Reduction of Movement Primitives in Parameter Space
  2020/3/1
• Learning to Fly via Deep Model-Based Reinforcement Learning
  2020/3/1
• Deep Adversarial Reinforcement Learning for Object Disentangling
  2020/3/1
• Underactuated Waypoint Trajectory Optimization for Light Painting Photography
  2020/3/1
• Probabilistic approach to physical object disentangling
  2020/2/1
• Evaluation of the Handshake Turing Test for anthropomorphic Robots
  2020/1/1
• A Probabilistic Framework for Imitating Human Race Driver Behavior
  2020/1/1
• Stochastic Optimal Control as Approximate Input Inference
  2019/10/1
• Receding Horizon Curiosity
  2019/10/1
• HJB Optimal Feedback Control with Deep Differential Value Functions and Action Constraints
  2019/9/1
• Building a Library of Tactile Skills Based on FingerVision
  2019/9/1
• Experience Reuse with Probabilistic Movement Primitives
  2019/8/1
• Reliable Real Time Ball Tracking for Robot Table Tennis
  2019/8/1
• Multimodal Uncertainty Reduction for Intention Recognition in Human-Robot Interaction
  2019/7/1
• Deep Lagrangian Networks: Using Physics as Model Prior for Deep Learning
  2019/7/1
• Deep Lagrangian Networks for end-to-end learning of energy-based control for under-actuated systems
  2019/7/1
• Assessing Transferability from Simulation to Reality for Reinforcement Learning
  2019/7/1
• Entropic Risk Measure in Policy Search
  2019/6/1
• Local Online Motor Babbling: Learning Motor Abundance of A Musculoskeletal Robot Arm
  2019/6/1
• Generalized Multiple Correlation Coefficient as a Similarity Measurements between Trajectories
  2019/6/1
• Learning walk and trot from the same objective using different types of exploration
  2019/4/1
• Learning to Control Highly Accelerated Ballistic Movements on Muscular Robots
  2019/4/1
• PIPPS: Flexible Model-Based Policy Search Robust to the Curse of Chaos
  2019/2/1
• An Algorithmic Perspective on Imitation Learning
  2018/11/1
• Learning to serve: an experimental study for a new learning from demonstrations framework
  2018/10/1
• Adaptation and Robust Learning of Probabilistic Movement Primitives
  2018/8/1
• Optimizing Execution of Dynamic Goal-Directed Robot Movements with Learning Control
  2018/7/1
• Probabilistic Trajectory Segmentation by Means of Hierarchical Dirichlet Process Switching Linear Dynamical Systems
  2018/6/1
• In-Hand Object Stabilization by Independent Finger Control
  2018/6/1
• Inverse Reinforcement Learning via Nonparametric Spatio-Temporal Subgoal Modeling
  2018/3/1
• Intrinsic Motivation and Mental Replay enable Efficient Online Adaptation in Stochastic Recurrent Networks
  2018/2/1
• Hybrid control trajectory optimization under uncertainty
  2017/2/1
• Can Modular Finger Control for In-Hand Object Stabilization be accomplished by Independent Tactile Feedback Control Laws?
  2016/12/1
• Model-Free Trajectory-based Policy Optimization with Monotonic Improvement
  2016/6/1
• Low-cost Sensor Glove with Force Feedback for Learning from Demonstrations using Probabilistic Trajectory Representations
  2015/10/1
• Towards engagement models that consider individual factors in HRI: on the relation of extroversion and negative attitude towards robots to gaze and speech during a human-robot assembly task
  2015/8/1
• Multi-Task Policy Search
  2013/7/1
• Learning Prioritized Control of Motor Primitives
  2012/9/1