Jonas Frey
収録論文 39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
- 言語誘導探索のための構造化世界状態推論ロボット探索2026/9/20
地理空間事前情報と知覚を統合した永続グラフ上で並列推論を行い、マルチモーダル検証で目標を特定するロボット探索フレームワークWORLDSを提案。CityNavで51.8%のナビゲーション成功率を達成し、既存手法を15.7ポイント上回った。
- オープンボキャブラリなシーン地図構築のためのシーン言語モデルシーン理解2026/9/18
シーン全体を構造化テキストの物体リストとして保持し、画像入力ごとに追加・編集・削除で地図を更新するSceneLMを提案。専用モジュール構成の従来手法と同等性能を6〜12倍コンパクトな表現で実現し、四足歩行ロボット上でのオンライン動作も示した。
- EgoHTR: 人間の地形移動の自己中心視点4Dデモンストレーション歩行2026/7/1
自己中心視点のウェアラブルと3Dスキャナを用いて、複雑な環境での人間の移動シーンを再構成するパイプラインとデータセットを構築し、これを活用して人型ロボットの移動ポリシーを訓練し実機で検証した。
- 脚式ロボットの進歩、課題、そして機会歩行2026/7/1
ヒューマノイドや四足ロボットの現状をハードウェア、移動、自律性、データ、応用の観点から評価し、普及に向けた課題と将来展望を論じたレビュー論文。
- FARM: 関係空間記憶を用いた任意物体の発見物体検索/空間記憶/VLM2026/6/1
ロボットが「ダーツボードの下の背の高いランプ」のような関係的な指示で物体を見つけられるよう、実時間で物体レベルの空間記憶を構築し、VLMでクエリを解析して検索するシステムを提案した。
- DigiForest: 持続可能な林業のためのデジタル分析とロボティクス林業ロボティクス2026/4/1
森林管理の持続可能性向上を目指し、自律ロボット群による樹木データ収集、自動特性抽出、意思決定支援、低影響伐採を統合した大規模精密林業システムを提案・実証した論文。
- GrandTour: 実環境における脚式ロボットのマルチモーダル知覚と状態推定のためのデータセット歩行2026/2/1
ANYmal-D四脚ロボットにLiDAR・カメラ・固有感覚センサを搭載し、山岳から都市・廃墟まで多様な屋内外環境で収集した大規模マルチモーダルデータセットを公開。RTK-GNSSとトータルステーションによる高精度な正解軌道も含み、SLAMや状態推定、マルチモーダル学習の評価基盤を提供する。
- WildOS: 野外環境におけるオープンボキャブラリ物体探索ナビゲーション2026/2/1
地図や深度センサに頼らず、視覚言語モデルで探索方向を意味的に評価し、長距離のオープンボキャブラリ物体探索を実現するシステムを提案。
- 自己教師ありブートストラップによる行動予測的な身体性推論VLA2026/2/1
VLAモデルの身体性Chain-of-Thought推論を、外部報酬や人手注釈なしに自己教師ありで洗練し、操作・歩行ナビ・自動運転で性能を向上させる手法を提案。
- 少ないデータで実現するスケーラブルな視覚ナビゲーション視覚ナビゲーション2026/1/1
限られた人間のデモンストレーションに幾何学的プランナーが生成した合成軌道を追加することで、Transformerベースの視覚ナビゲーション方策を効率的に訓練し、実機展開を実現した。
- DeFM: 深度画像からロボティクスの基盤表現を学習基盤モデル2026/1/1
6000万枚の深度画像で自己蒸留により事前学習した基盤モデルDeFMを提案し、分類・セグメンテーション・ナビゲーション・歩行・マニピュレーションで最先端性能とsim-to-real汎化を実現した。
- VLD: 強化学習ナビゲーションのための視覚言語ゴール距離ナビゲーション2025/12/1
インターネット規模の動画で自己教師あり学習した目標までの距離予測器と、シミュレーションで訓練した強化学習方策を組み合わせ、画像・テキスト両方のゴール指定に対応するナビゲーション手法を提案。
- Kleinkram: オープンなロボティクスデータ管理基盤データ管理2025/11/1
ロボット研究で発生する大規模で非構造化なデータセットを、オンプレミスクラウド上で保存・索引付け・共有できるオープンソースシステムを提案。ROSバッグやMCAP形式に対応し、Dockerベースのワークフロー実行機能も備える。
- NaviTrace：視覚言語モデルの身体性ナビゲーション評価ベンチマークナビゲーション2025/10/1
視覚言語モデルに指示と身体タイプを与え、画像空間での2Dナビゲーション軌跡を出力させるVQAベンチマークを提案し、8つの最先端モデルを評価した。
- 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。
- 脚式ロボットによる自律的な森林インベントリ構築：システム、教訓、今後の課題歩行2025/6/1
四足歩行ロボットANYmalを用いて森林内を自律走行し、樹木の検出と胸高直径推定を行うシステムを開発し、欧州3カ国の森林で1年半にわたる実証実験を行った。
- リスク誘導拡散：失敗が許されない宇宙でのロボット基盤モデル展開に向けてナビゲーション2025/6/1
人間の認知科学に着想を得て、高速な学習ベースの「システム1」と低速な物理ベースの「システム2」を融合したリスク誘導拡散フレームワークを提案し、NASA JPLの火星模擬施設での実験で失敗率を最大4倍低減した。
- DAPPER: 識別性を考慮したポリシー間選好ベース強化学習によるクエリ効率の良いロボットスキル獲得強化学習2025/5/1
複数のポリシー間の軌道比較で選好クエリを生成し、識別性を推定する識別器で優先サンプリングすることで、クエリ効率を高める選好ベース強化学習手法を提案。
- 安全でプラットフォームを考慮したロボットナビゲーションのための学習型知覚フォワードダイナミクスモデルナビゲーション2025/4/1
周囲の形状と固有受容感覚の履歴からロボットの将来状態を予測する学習型フォワードダイナミクスモデルを提案し、MPPI計画に統合することで、コスト調整なしに安全なナビゲーションを実現した。
- Boxi: ロボティクスにおけるアルゴリズム性能を考慮した設計判断センサフュージョン2025/4/1
複雑な環境で移動ロボットの自律性を高めるため、LiDARやカメラ、IMUなどを統合したセンサペイロードBoxiを設計し、時間同期やキャリブレーションが状態推定性能に与える影響を分析した論文。
- ホリスティックフュージョン：タスク・構成に依存しない因子グラフによるロボット自己位置推定と状態推定自己位置推定/センサフュージョン2025/4/1
因子グラフを用いて、タスクやセンサ構成に依存せず多様なセンサを統合し、低遅延な局所運動推定と低ドリフトな大域自己位置推定を同時に実現するオープンソースの融合フレームワークを提案した。
- 拡散モデルによるロバストなLiDAR位置認識位置認識2025/4/1
建設現場のロボットの大域的な再位置推定のため、実大規模メッシュから生成した合成LiDAR点群でPointNet++をバックボーンとする拡散モデルを訓練し、単一の点群から複数の位置候補を予測する手法を提案した。
- RoadRunner M&M：自律オフロードナビゲーションのためのマルチレンジ・マルチ解像度走行可能性マップ学習自律ナビゲーション2024/9/1
複数画像とLiDARボクセルマップから、50m/100mの距離と0.2m/0.8mの解像度で走行可能性・標高マップを直接予測する自己教師あり学習フレームワークを提案し、長距離推定精度と汎化性能を向上させた。
- 視覚から地形の物理パラメータを推定：物理特性を考慮した歩行とナビゲーションに向けて歩行2024/8/1
シミュレーションで摩擦や剛性を予測する物理デコーダを訓練し、実世界の画像に自己教師ありでラベル付けすることで、視覚から地形の物理パラメータを推定する手法を提案した。
- 野生環境の視覚ナビゲーション：事前学習モデルとオンライン自己教師あり学習による高速走行可能性学習ナビゲーション2024/4/1
森林や草原などの自然環境で、事前学習済みモデルの特徴量とオンライン自己教師あり学習を組み合わせ、短時間の実地デモから走行可能領域を推定してロボットをナビゲートするシステムを提案した。
- 3D回転表現の手引き：SO(3)を学ぶためのガイド3D回転表現2024/4/1
機械学習で用いられる様々な3D回転表現を体系的に整理し、勾配最適化への利点・欠点や入力/出力・角度の大きさに応じた適切な表現選択の指針を示したサーベイ。
- 脚式ロボットによる自律的な森林インベントリ：システム設計と実地展開フィールドロボティクス2024/4/1
脚式ロボットを用いて森林の樹木調査を自律的に行うシステムを構築し、フィンランドと英国の森林で実地試験を実施した。英国では20分で0.96ヘクタールを調査し、100本以上の樹木を同定、胸高直径を約2cmの精度で推定した。
- RoadRunner：自律走行オフロード走行のための走破性推定学習走破性推定2024/2/1
カメラとLiDARの入力を融合し、自己教師あり学習で地形の走破性と標高マップを直接予測するフレームワークを提案し、オフロード自律走行の低遅延化を実現した。
- Resilient Legged Local Navigation: Learning to Traverse with Compromised Perception End-to-End2023/10/1
- MEM: Multi-Modal Elevation Mapping for Robotics and Learning2023/9/1
- Learning Risk-Aware Quadrupedal Locomotion using Distributional Reinforcement Learning2023/9/1
- SMUG Planner: A Safe Multi-Goal Planner for Mobile Robots in Challenging Environments2023/6/1
- Seeing Through the Grass: Semantic Pointcloud Filter for Support Surface Learning2023/5/1
- Fast Traversability Estimation for Wild Visual Navigation2023/5/1
- Unsupervised Continual Semantic Adaptation through Neural Rendering2022/11/1
- Versatile Skill Control via Self-supervised Adversarial Imitation of Unlabeled Mixed Motions2022/9/1
- Learning Agile Skills via Adversarial Imitation of Rough Partial Demonstrations2022/6/1
- Locomotion Policy Guided Traversability Learning using Volumetric Representations of Complex Environments2022/3/1
- Continual Adaptation of Semantic Segmentation using Complementary 2D-3D Data Representations2021/11/1