Nathan Ratliff

NVIDIA

収録論文 34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

• WeaveRL：知覚的強化学習のためのシーン認識型ファブリックへの再構成の織り込み
  マニピュレーション2026/9/16

  GPU加速により数千の並列シミュレーションでシーンをサーフェルとして再構成し、センサ由来の幾何情報に基づく衝突回避型強化学習を実現した。複雑な操作タスクで性能とsim-to-real転移、未知障害物への堅牢性を向上。

• ADEPT: 事前学習と強化学習による事後学習で器用さを加速する
  強化学習/器用操作/sim2real2026/8/19

  高自由度ロボットの器用な操作を、事前学習と事後学習を組み合わせた強化学習フレームワークで実現し、シミュレーションから実機への転移を可能にした。

• Isaac Lab：マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワーク
  sim2real2025/11/1

  GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。

• エンドツーエンド強化学習による器用な把持政策の改善
  マニピュレーション2025/9/1

  シミュレータと強化学習を別々のGPUに分散する手法を提案し、視覚ベースのエンドツーエンド学習を効率化して、深度を用いた器用な把持政策を訓練・蒸留した。

• DextrAH-RGB：RGB画像から器用な手で何でも掴む視覚運動ポリシー
  マニピュレーション2024/12/1

  シミュレーションで訓練した特権ポリシーをRGB画像ベースのポリシーに蒸留し、実世界で多様な物体を器用に掴むエンドツーエンドの視覚運動制御を実現した。

• Synthetica: ロボット知覚のための大規模合成データ
  sim2real2024/10/1

  フォトリアルなレイトレーシングで270万枚の合成画像を生成し、ロボットの物体検出を高精度・リアルタイム（50-100Hz）で行う手法を提案。

• cuRobo: Parallelized Collision-Free Minimum-Jerk Robot Motion Generation
  2023/10/1
• Fabrics: A Foundationally Stable Medium for Encoding Prior Experience
  2023/9/1
• Imitation Learning via Simultaneous Optimization of Policies and Auxiliary Trajectories
  2021/5/1
• STORM: An Integrated Framework for Fast Joint-Space Model-Predictive Control for Reactive Manipulation
  2021/4/1
• RMP2: A Structured Composable Policy Class for Robot Learning
  2021/3/1
• Towards Coordinated Robot Motions: End-to-End Learning of Motion Policies on Transform Trees
  2020/12/1
• Geometric Fabrics for the Acceleration-based Design of Robotic Motion
  2020/10/1
• An Interior Point Method Solving Motion Planning Problems with Narrow Passages
  2020/7/1
• RMPflow: A Geometric Framework for Generation of Multi-Task Motion Policies
  2020/7/1
• Model-Based Generalization Under Parameter Uncertainty Using Path Integral Control
  2020/6/1
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems
  2020/5/1
• Guided Uncertainty-Aware Policy Optimization: Combining Learning and Model-Based Strategies for Sample-Efficient Policy Learning
  2020/5/1
• Riemannian Motion Policy Fusion through Learnable Lyapunov Function Reshaping
  2019/10/1
• DexPilot: Vision Based Teleoperation of Dexterous Robotic Hand-Arm System
  2019/10/1
• Collaborative Behavior Models for Optimized Human-Robot Teamwork
  2019/10/1
• Scaling Local Control to Large-Scale Topological Navigation
  2019/9/1
• Representing Robot Task Plans as Robust Logical-Dynamical Systems
  2019/8/1
• Neural Autonomous Navigation with Riemannian Motion Policy
  2019/4/1
• Joint Inference of Kinematic and Force Trajectories with Visuo-Tactile Sensing
  2019/3/1
• Learning Latent Space Dynamics for Tactile Servoing
  2018/11/1
• RMPflow: A Computational Graph for Automatic Motion Policy Generation
  2018/11/1
• Closing the Sim-to-Real Loop: Adapting Simulation Randomization with Real World Experience
  2018/10/1
• Robust Learning of Tactile Force Estimation through Robot Interaction
  2018/10/1
• A New Data Source for Inverse Dynamics Learning
  2017/10/1
• Real-time Perception meets Reactive Motion Generation
  2017/3/1
• DOOMED: Direct Online Optimization of Modeling Errors in Dynamics
  2016/8/1
• On the Fundamental Importance of Gauss-Newton in Motion Optimization
  2016/5/1
• Policy Learning with Hypothesis based Local Action Selection
  2015/3/1