Leonardo Barcellona
収録論文 5本 ・ フィジカルAI/ロボット学習
報酬学習/VLM3D再構築模倣学習データ拡張/セグメンテーション把持
※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
- デモから報酬へ：VLM報酬モデルのテスト時プロンプト最適化報酬学習/VLM2026/6/1
ロボットのデモンストレーション数本を用いて、VLM報酬モデルの言語指示をテスト時に最適化し、誤検出を減らして報酬精度を向上させる手法を提案した。追加学習や計算資源を必要とせず、シミュレーションと実機で有効性を実証した。
- 生成による再構築：スパース観測からの3D複数物体シーン再構築3D再構築2026/4/1
RGB-D画像のスパースな観測から、物体や部品の形状と姿勢を確率的に推定する生成フレームワークRecGenを提案し、複雑な遮蔽や対称物体に対応して高精度な再構築を実現した。
- 夢から操る：構成可能な世界モデルによるロボット模倣学習の想像力強化模倣学習2024/12/1
ガウススプラッティングと物理シミュレータを組み合わせて学習可能なデジタルツインを構築し、少数の実演から等変変換で模倣学習データを生成する手法を提案。実機ロボットが新しい物理タスクを少数の実演から学習できることを示した。
- WasteGAN：敵対的生成ネットワークによるロボット廃棄物選別のためのデータ拡張データ拡張/セグメンテーション2024/9/1
限られたラベル付きデータから廃棄物のセマンティックセグメンテーション精度を高める新GAN「wasteGAN」を提案し、実環境での廃棄物選別性能を最大5.8%向上させた。
- 見せて掴む：ゼロショット基盤モデルによるロボット把持のための少数ショット意味セグメンテーション把持2024/4/1
基盤モデルの汎化性能と高性能な少数ショット分類器を組み合わせ、数例の提示だけで対象物をセグメンテーションしてロボット把持を実現する手法を提案し、把持精度を大幅に向上させた。