Pietro Mazzaglia
収録論文 12本 ・ フィジカルAI/ロボット学習
VLAマニピュレーション
※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
- Vision-Language-Actionモデルのためのハイブリッド訓練VLA2025/10/1
思考連鎖（CoT）を学習しつつ推論時には省略可能にするハイブリッド訓練（HyT）を提案し、ロボット操作の性能を保ちながら推論速度を改善した。
- 重要なものに注目：視覚言語行動モデルのための物体・エージェント中心トークン化VLA2025/9/1
物体とエージェントに注目したトークン化で視覚トークン数を大幅に削減し、VLAモデルの学習を高速化・高性能化する手法を提案。
- コードから行動へ：拡散VLMポリシーの階層的学習VLA2025/9/1
コード生成VLMと低レベル拡散ポリシーを組み合わせ、タスクをサブルーチンに分解して模倣・汎化する階層的枠組みを提案。
- 物体操作のための生成的世界モデルにおける位置情報の表現マニピュレーション2024/9/1
生成的世界モデルに目標物体の位置情報を明示的に組み込む手法を提案し、位置条件付けと潜在条件付けの2方式で物体配置タスクの性能を向上させた。
- GenRL: 身体性エージェントの汎化のためのマルチモーダル基盤ワールドモデルVLA2024/6/1
視覚言語基盤モデルと生成ワールドモデルを言語注釈なしで結びつけ、視覚や言語プロンプトからタスクを指定して想像空間で方策を学習する枠組みを提案。
- ロボット学習のための冗長性を考慮した行動空間マニピュレーション2024/6/1
マニピュレータの冗長性に着目し、関節空間とタスク空間の利点を併せ持つ新しい行動空間ERを提案。シミュレーションと実機で有効性を検証した。
- 効率的なロボットマニピュレーションのための情報駆動型アフォーダンス発見マニピュレーション2024/5/1
環境との相互作用を情報理論的に評価し、アフォーダンスの発見を加速する手法IDAを提案。シミュレーションと実機でデータ効率を大幅に改善し、把持や積み重ね、引き出し開けなどのアフォーダンスを効率的に学習できることを示した。
- Learning to Navigate from Scratch using World Models and Curiosity: the Good, the Bad, and the Ugly2023/8/1
- Information-driven Affordance Discovery for Efficient Robotic Manipulation2023/8/1
- FOCUS: Object-Centric World Models for Robotics Manipulation2023/7/1
- Object-Centric Scene Representations using Active Inference2023/2/1
- Disentangling Shape and Pose for Object-Centric Deep Active Inference Models2022/9/1