Kanata Suzuki

Fujitsu Limited

収録論文 20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

• 成功基準を監督せよ：潜在世界モデル計画のための基準整合補助損失
  世界モデル2026/10/1

  潜在世界モデルに成功基準量を回帰する補助損失を加え、テスト時は変更なしでPushTとcubeの成功率を改善した。

• 統合ロボット学習に向けて：表現、視覚言語行動、世界モデルの橋渡し
  サーベイ2026/9/3

  ロボット学習における表現学習、VLAモデル、世界モデルの3つのパラダイムを統一的に整理し、それらの相互作用と課題を分析したサーベイ論文。

• 自己中心視点ビデオとデモンストレーションの共学習によるロボットナビゲーションタスク
  ナビゲーション2026/6/1

  歩行者の自己中心視点ビデオを移動ロボットの模倣学習用データセットに変換し、VLAモデルをロボット収集データと共に学習することで、ナビゲーション性能を向上させる手法を提案した。

• 失敗デモデータの活用法：注意機構の分布差を利用した模倣学習の効果的データ選択
  模倣学習2026/5/1

  成功デモのみで訓練されることが多い模倣学習において、収集時に得られる失敗データを注意機構に組み込むことで活用し、初期観察から適切なモードを選択して行動安定性を向上させる手法を提案。さらに、失敗サンプルと成功デモ間の注意差を定量化する指標で学習に有益な失敗データを選別する。

• 対話から実行へ：MoA支援型対話計画によるビヘイビアツリーを用いた長期的ロボット実行
  タスク計画2026/3/1

  大規模言語モデルによる対話型タスク計画で、複数の専門エージェント（MoA）が代理回答することで人間の介入を減らし、ビヘイビアツリーで構造化された長期実行を実現する手法を提案。実験で人間の応答要求を約27%削減しつつ、実ロボットでの長期的実行と障害回復を確認した。

• 実験室自動化のためのコンパクトなタスク整合型模倣学習
  模倣学習2026/3/1

  小型基盤モデルをアダプタで整合し拡散トランスフォーマと統合した500M未満の模倣学習フレームワークを提案し、実験室タスクで86.6%の成功率を達成した。

• 固有感覚情報を活用した視覚言語モデルによるロボットタスクのキャプション生成とサブタスク分割
  VLA2025/12/1

  ロボットの関節・エンドエフェクタ状態を視覚言語モデルに入力し、タスクの自動キャプション生成とサブタスク分割の精度を向上させる手法を提案し、シミュレータ実験で有効性を検証した。

• 共有潜在変数によるロボット動作学習とLLMの統合：感覚運動注意と言語ベース回帰
  VLA2024/7/1

  ロボット動作学習モデルとLLMを共有潜在変数で接続し、感覚運動注意点とタスク言語指示からの予測誤差でパラメータを更新することで、位置と言語指示への汎化性能を高める手法を提案。

• Learning Multimodal Attention for Manipulating Deformable Objects with Changing States
  2023/9/1
• Interactively Robot Action Planning with Uncertainty Analysis and Active Questioning by Large Language Model
  2023/8/1
• Deep Predictive Learning: Motion Learning Concept inspired by Cognitive Robotics
  2023/6/1
• Learning Bidirectional Translation between Descriptions and Actions with Small Paired Data
  2022/3/1
• Annotation Cost Reduction of Stream-based Active Learning by Automated Weak Labeling using a Robot Arm
  2021/10/1
• Embodying Pre-Trained Word Embeddings Through Robot Actions
  2021/4/1
• In-air Knotting of Rope using Dual-Arm Robot based on Deep Learning
  2021/3/1
• HATSUKI : An anime character like robot figure platform with anime-style expressions and imitation learning based action generation
  2020/3/1
• A Multi-task Learning Framework for Grasping-Position Detection and Few-Shot Classification
  2020/3/1
• Compensation for undefined behaviors during robot task execution by switching controllers depending on embedded dynamics in RNN
  2020/3/1
• Online Self-Supervised Learning for Object Picking: Detecting Optimum Grasping Position using a Metric Learning Approach
  2020/3/1
• Motion Switching with Sensory and Instruction Signals by designing Dynamical Systems using Deep Neural Network
  2017/12/1