Max Yang

収録論文 9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

• NeuralTouch: 触覚による精密なSim-to-Realロボット制御のためのニューラル記述子
  触覚2025/10/1

  Neural Descriptor Fieldsと触覚フィードバックを組み合わせ、強化学習で把持姿勢を微調整することで、実機へのゼロショット転移を可能にしたマルチモーダル枠組みを提案。

• 視覚ベース触覚センサの分類：レビュー
  触覚2025/9/1

  視覚ベース触覚センサ（VBTS）を、接触を触覚画像に変換する原理に基づきマーカー型と強度型の2つに大別し、さらに4つのサブタイプに分類して比較したレビュー論文。

• Text2Touch: LLMが設計した報酬関数による触覚を活用したハンド内操作
  触覚2025/9/1

  LLMに報酬関数を設計させ、触覚センサ付き4指ロボットハンドで多軸のハンド内物体回転を実現した研究。人間設計の報酬を上回る性能を、より簡潔な報酬で達成した。

• AnyRotate: 重力不変な手内物体回転を実現するSim-to-Real触覚
  触覚2024/5/1

  高密度な触覚情報をシミュレーションで学習し実機へゼロショット転移することで、手の向きや重力に依存せず任意軸周りに未知物体を回転させるシステムを実現した。

• DexiTac: 柔軟で器用な触覚グリッピング
  マニピュレーション2024/5/1

  再構成可能な空気圧式グリッパと触覚センサを組み合わせ、触覚カーネル密度操作戦略と二重閉ループ制御で多様な物体の把持と操作を実現した。

• タッチで拓く3Dガウシアンスプラッティング：光沢面を高精度に再構成
  触覚2024/3/1

  触覚の局所深度マップと多視点画像を組み合わせ、光沢・反射面でも少ない画像枚数で高精度に3D再構成する手法を提案。

• Bi-Touch: Bimanual Tactile Manipulation with Sim-to-Real Deep Reinforcement Learning
  2023/7/1
• Sim-to-Real Model-Based and Model-Free Deep Reinforcement Learning for Tactile Pushing
  2023/7/1
• Tac-VGNN: A Voronoi Graph Neural Network for Pose-Based Tactile Servoing
  2023/3/1