Nima Fazeli
収録論文 53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
- 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。
- 触覚シミュレーションを使わない触覚Sim2Real：ボトルネック潜在再構成による実現sim2real2026/8/16
触覚センサのシミュレーションを避け、シミュレータ内のオラクルセンサ（点群と指先力）で学習したポリシーを、実センサの潜在表現をオラクルに合わせることで実機に転移するフレームワークを提案。挿入や歯車噛み合わせで高成功率を達成。
- テンセグリティロボット向け6軸接触力推定を実現するスケーラブルなオープンソース視触覚センサ触覚センサ2026/7/1
テンセグリティロボット用に、エラストマーシェルとカメラを組み合わせた軽量な視触覚センサを開発し、ニューラルネットワークで6軸の力とトルクを推定。静的・動的実験で精度を確認し、実機での接地検出にも成功した。
- TAP-VLA: 視覚言語行動モデルのための触覚アノテーションプロンプティングVLA/触覚2026/6/1
触覚情報を視覚的なオーバーレイとしてVLAモデルに統合し、接触を伴う操作タスクの成功率を大幅に向上させるフレームワークを提案した。
- RoboMME：ロボット汎用ポリシーの記憶能力を評価・理解するベンチマークVLA2026/3/1
長期的・履歴依存的な操作タスクにおけるVLAモデルの記憶機構を評価するため、16タスクからなる標準ベンチマークと14種の記憶拡張VLAを構築し、記憶表現の有効性がタスク依存であることを示した。
- HydroShear: 触覚シミュレーションから実機への強化学習のためのハイドロエラスティックせん断シミュレーション触覚/sim2real2026/3/1
本論文では、接触を伴うタスクにおける触覚のシミュレーションから実機へのポリシー転送の問題を扱い、非ホロノミックなハイドロエラスティック触覚シミュレータHydroShearを提案する。これは、スティックスリップ遷移、経路依存の力とせん断の蓄積、完全なSE(3)物体-センサ相互作用をモデル化し、GelSight Miniを用いた実験で既存手法より忠実に実触覚せん断を再現し、ゼロショットのsim-to-real転送を可能にする。
- TactAlign: 触覚アライメントによる人間からロボットへのポリシー転送触覚2026/2/1
触覚グローブで収集した人間の触覚信号を、異なる身体を持つロボットに転送するクロスエンボディメント触覚アライメント手法を提案。ペアデータ不要で、接触の多いタスクでのポリシー転送性能を向上させる。
- 触覚の音：弦振動を用いた能動的音響触覚センシング触覚2026/2/1
張った弦を電磁的に振動させ、接触によるスペクトル変化から接触位置・力・滑りを推定する軽量で拡張可能な触覚センシング手法を提案。
- 分散触覚センシングによる外部接触と把持内姿勢の同時推定触覚2025/12/1
触覚センサの局所観測と接触の物理制約をファクタグラフで統合し、物体の把持内姿勢と外部接触を同時推定する手法を提案。触覚のみでも既存手法を上回る精度を実現。
- GrOMP: 把持物体多様体投影によるマニピュレーションのマルチモーダル模倣学習マニピュレーション2025/12/1
把持中にずれる物体を低次元多様体に制約することで、模倣学習の誤差蓄積を抑え、触覚フィードバックを用いた精密組立タスクの精度を高める手法を提案。
- 拡散ポリシー学習による建設現場の接触リッチ組立マニピュレーション2025/11/1
建設スケールの産業用ロボットに拡散ポリシーを適用し、嵌合精度が厳しい木工継手の組立を力覚センサ付き遠隔操作デモから学習。位置ずれ最大10mmでも接触を考慮した制御で高い成功率を示した。
- センサ間触覚生成触覚2025/10/1
触覚センサの形状差を超えてモデルを転用するため、ペアデータを使うTouch2Touchと中間深度表現を介するT2D2の2手法を提案し、手内姿勢推定や行動クローニングで有効性を示した。
- 温度サンプリングによる不均衡データセット上のロボット学習ポリシーの効果的訓練ロボット学習2025/10/1
ロボット行動データセットの物理的行動の不均衡を緩和するため、温度サンプリングに基づく簡便なサンプリング戦略を提案し、小規模モデルの事前学習と大規模基盤モデルの微調整の両方で低リソースタスクの性能を向上させた。
- Hydrosoft: 柔軟触覚マニピュレーションのための非ホロノミック弾性流体モデル触覚2025/9/1
柔軟な触覚センサの経路依存的な接触力分布と表面積変化を捉える計算効率の良い非ホロノミック弾性流体モデルを提案し、微分可能な定式化により高解像度触覚フィードバックと統合した軌道最適化を実現した。
- AimBot: 視覚運動ポリシーの空間認識を高める簡易補助視覚キューVLA2025/8/1
多視点RGB画像に照準線とスコープを重ねてエンドエフェクタの状態を明示し、視覚運動ポリシーの性能を向上させる軽量な視覚拡張手法を提案。
- ViTaSCOPE: 視触覚の暗黙表現による把持物体姿勢と外部接触位置の推定触覚2025/6/1
視覚と高解像度触覚を融合し、物体をSDF、触覚をニューラルせん断場として表現することで、把持中の物体姿勢と外部接触位置を同時に推定する手法を提案。シミュレーションで学習し実機へゼロショット転移できる。
- Vib2Move：指先の微振動による把持物体の再配置マニピュレーション2025/6/1
指先の微振動で摩擦を変え、重力を利用して把持中の平面物体を高精度に位置決めする手法を提案。
- ViSA-Flow: 大規模動画の意味的行動フローによるロボットスキル学習の加速マニピュレーション2025/5/1
人間の物体操作動画から「意味的行動フロー」を自己教師ありで学習し、それをロボットの少数デモに適応させることで、低データでも操作スキルを効率的に獲得するフレームワーク。
- 変形ツールと剛体物体の接触相互作用推定：学習とモデルベース最適化の融合マニピュレーション2025/5/1
変形するツールが剛体を巧みに操作する際の運動と接触力を、学習と物理モデルを組み合わせて推定する手法を提案し、シミュレーションと実機で有効性を示した。
- ニューラル逆問題による未知外力源の再構成物理情報ニューラルネットワーク2024/11/1
物理情報ニューラルネットワーク(PINN)を用いて、部分的なノイズ観測から系の状態と未知の外力源関数を同時に推定する手法を提案し、ロボティクス分野での有効性を検証した。
- 触覚センサ間の対照学習による統一表現の獲得触覚2024/10/1
異なる触覚センサ（GelSlimとSoft Bubble）で同じ物体を触ったペアデータを使い、対照学習で共通の埋め込み空間を学習。姿勢推定や分類の事前学習に有効で、あるセンサで学習したモデルを別のセンサに追加学習なしで適用できることを示した。
- 視覚と聴覚による外部接触の推定マニピュレーション2024/9/1
把持物体と環境の接触を、視覚と能動音響センシングを組み合わせて推定する手法を提案し、シミュレーションで学習して実世界にゼロショット転移した。
- GelSlim 4.0：触覚と再現性に焦点を当てたオープンソース触覚センサ触覚2024/9/1
GelSlim 3.0を改良し、簡素化した指構造と製造しやすいレンズを備えたオープンソースの視覚ベース触覚センサを開発し、深さ・せん断場推定ライブラリと製造マニュアルを提供して再現性を検証した。
- 触覚知覚で異なるロボット間の協調マニピュレーション能力差を克服触覚2024/9/1
触覚センサと行動クローニングを用いて、トルクセンシングのないロボットでも力強い協調作業を可能にするポリシーを学習し、異なる機体間で転移できることを示した。
- 触覚ニューラル逆レンダリング触覚2024/9/1
触覚信号のみから生成モデルを用いて物体の局所3D表現を再構成し、姿勢推定と不確かさの定量化を可能にする手法を提案。
- 触覚ファンクタセット：触覚データセットのニューラル陰関数表現触覚2024/9/1
触覚センサの生画像をニューラル陰関数で再構成し、コンパクトでセンサ間の汎化が可能な表現を提案。手先物体姿勢推定で画像ベース手法を上回る性能を示した。
- RACER: 模倣学習のための豊かな言語ガイド付き失敗回復ポリシーマニピュレーション2024/9/1
失敗回復軌道と言語注釈を自動生成し、VLM監督者と言語条件付きポリシーを組み合わせることで、ロボットマニピュレーションの失敗回復と指示追従を改善する手法を提案。
- Touch2Touch: 物体操作のための触覚センサ間クロスモーダル生成触覚2024/9/1
拡散モデルを用いてGelSlimとSoft Bubbleという異なる触覚センサ間で触覚信号を相互変換し、センサ固有のアルゴリズムを別センサの信号に適用可能にする手法を提案。
- 双摩擦面を用いた両手ハンド内操作マニピュレーション2024/9/1
物体の両側に2つの摩擦パッチ接触を協調させ、滑りと固着を交互に切り替えることで、把持内で物体を再配置するモデリング・計画手法を提案し、実機で有効性を示した。
- 相互情報量を用いた物体探索マニピュレーションマニピュレーション2024/8/1
視覚的に隠れた環境で既知の可動物体の姿勢を推定するため、相互情報量に基づいてロボットの接触を伴う探索行動をオンライン生成する手法を提案。
- This&That: 言語とジェスチャーで制御するロボット計画のための動画生成VLA2024/7/1
言語とジェスチャーを組み合わせて動画生成モデルを制御し、その予測動画を行動クローニングでロボット動作に変換する計画フレームワークを提案。
- 触覚による非把持物体操作：外部接触モード制御触覚2024/5/1
高解像度触覚センサを備えたグリッパで把持した物体を、接触モードを制御しながら滑らせたり回転させたりする非把持操作の計画・制御手法を提案。
- MultiSCOPE: Disambiguating In-Hand Object Poses with Proprioception and Tactile Feedback2023/5/1
- CHSEL: Producing Diverse Plausible Pose Estimates from Contact and Free Space Data2023/5/1
- Integrated Object Deformation and Contact Patch Estimation from Visuo-Tactile Feedback2023/5/1
- Precise Object Sliding with Top Contact via Asymmetric Dual Limit Surfaces2023/5/1
- Learning the Dynamics of Compliant Tool-Environment Interaction for Visuo-Tactile Contact Servoing2022/10/1
- Visuo-Tactile Transformers for Manipulation2022/10/1
- Lumped-Parameter Modeling and Control for Robotic High-Viscosity Fluid Dispensing in Additive Manufacturing2022/10/1
- VIRDO++: Real-World, Visuo-tactile Dynamics and Perception of Deformable Objects2022/10/1
- Manipulation via Membranes: High-Resolution and Highly Deformable Tactile Sensing and Control2022/9/1
- Simultaneous Contact Location and Object Pose Estimation Using Proprioception and Tactile Feedback2022/6/1
- VIRDO: Visio-tactile Implicit Representations of Deformable Objects2022/2/1
- Soft Tracking Using Contacts for Cluttered Objects to Perform Blind Object Retrieval2022/1/1
- TAMPC: A Controller for Escaping Traps in Novel Environments2020/10/1
- Long-Horizon Prediction and Uncertainty Propagation with Residual Point Contact Learners2020/9/1
- Combining Physical Simulators and Object-Based Networks for Control2019/4/1
- Augmenting Physical Simulators with Stochastic Neural Networks: Case Study of Planar Pushing and Bouncing2018/8/1
- Fundamental Limitations in Performance and Interpretability of Common Planar Rigid-Body Contact Models2017/10/1
- Robotic Pick-and-Place of Novel Objects in Clutter with Multi-Affordance Grasping and Cross-Domain Image Matching2017/10/1
- Learning Data-Efficient Rigid-Body Contact Models: Case Study of Planar Impact2017/10/1
- A Summary of Team MIT's Approach to the Amazon Picking Challenge 20152016/4/1
- More than a Million Ways to Be Pushed: A High-Fidelity Experimental Dataset of Planar Pushing2016/4/1