Nicholas Pfaff
収録論文 6本 ・ フィジカルAI/ロボット学習
模倣学習sim2realシーン生成
※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
- アンビエント拡散ポリシー：ロボティクスにおける準最適データからの模倣学習模倣学習2026/6/10
準最適なロボットデータから有益な特徴のみを抽出するため、ノイズ依存のデータ使用法を導入した拡散ポリシー手法を提案し、複数タスクで有効性を実証した。
- SceneSmith: エージェントによるシミュレーション可能な屋内シーン生成sim2real2026/2/1
VLMエージェントが協調して自然言語から家具や小物まで揃った物理シミュレーション可能な屋内シーンを自動生成するフレームワーク。
- 拡散ポリシーは運動学的制約多様体をどの程度学習するか？模倣学習2025/10/1
両腕ピックアンドプレースタスクを用いて、拡散ポリシーが運動学的等式制約をどの程度正確に学習するかをデータセットサイズ・品質・多様体曲率の観点から分析し、実機評価も行った。
- 後学習と推論時探索による操作可能なシーン生成シーン生成2025/5/1
拡散モデルで物体配置とSE(3)姿勢を生成し、強化学習による後学習や推論時探索で下流タスクに合わせてシーンを制御する手法を提案。
- スケーラブルなReal2Sim：ロボットのピック&プレースによる物理を考慮したアセット生成sim2real2025/3/1
ロボットの関節トルクセンサと外部カメラのみを用いて、実物体の形状・衝突形状・慣性パラメータを自動推定し、シミュレーション可能なアセットを生成するReal2Simパイプラインを提案。
- ピクセル入力による平面押しタスクにおける拡散ポリシーのシミュレーション・実機同時学習の実証分析sim2real2025/3/1
シミュレーションと実機のデータを同時に使って模倣学習をスケールさせる際の基本原則を、平面押しタスクで大規模に検証した。