Rania Rayyes
Karlsruhe Institute of Technology
収録論文 14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
- INSPECT: アシスタント利用からロボットの視点選択を学習視点選択2026/9/17
スマートグラスによる組立支援の記録から、ロボットが部品の有無や正しい取付を確認するための視点選択方策を学習する手法を提案。
- RAFAIL: ロボットマニピュレーションにおける関係性に着目した失敗検出マニピュレーション2026/9/16
VLMで成功デモを注釈付けし、タスクに関連するエンティティ間の関係性の異常を検出することで、失敗データなしにロボット操作の実行失敗を検出するフレームワークを提案。
- MS-MEM: 不確実性・外乱を考慮した行動選択によるマルチスキル操作強化マッピングマニピュレーション2026/9/2
棚などの閉鎖的で散らかった環境でのシーン理解を高めるため、能動視点選択・物体押し・把持を統合し、不確実性を考慮したマッピングと外乱制約付き行動選択を提案した。
- PAWS: アドバンテージ重み付きセグメントを用いた選好学習強化学習2026/6/10
人間の軌道比較から報酬を学習する選好ベース強化学習において、訓練と推論の不一致による分布シフトを分析し、セグメントレベルのアドバンテージ関数を直接用いた政策更新手法PAWSを提案した。ロボット操作・移動タスクで既存手法を上回る性能を示した。
- 手中心のビデオデモからの人間からロボットへの軌道転写：オープンワールド接触位置特定によるアプローチ模倣学習/軌道転写2026/6/1
人間のビデオデモから、接触情報を考慮した多様なロボット軌道を生成するフレームワークを提案。手と物体の接触区間を特定し、把持意図をロボットの並行ジョー把持に変換して軌道を生成する。
- 姿勢推定失敗の原因追跡による説明と緩和手法姿勢推定2026/3/1
ロボット操作における物体姿勢推定の失敗を、誤差源ごとに分類し、必要な時だけ的を絞った対策を施すモジュール型フレームワークを提案。軽量なICPベースで基盤モデル並みの性能を実現した。
- FlowCorrect: ロボットマニピュレーションのための生成フローポリシーの効率的な対話的修正マニピュレーション2026/2/1
展開時に人間がVRで短い修正動作を与えるだけで、フローマッチング方策を再学習なしに局所適応させ、失敗事例の成功率を80%に改善する手法を提案。
- 点群位置合わせにおける人間が解釈可能な不確かさの説明点群位置合わせ2025/9/1
点群位置合わせの不確かさを定量化し、その原因を既知の誤差要因に帰属させて説明するガウス過程概念帰属(GP-CA)を提案し、能動学習で新たな不確かさ要因も発見する。
- HOGraspFlow: 分類対応の手-物体リターゲティングによるマルチモーダルSE(3)把持生成把持生成2025/9/1
単一RGB画像から手と物体のインタラクションを再構成し、把持タイプの分類を考慮したフローマッチングで並列グリッパのSE(3)把持姿勢を生成する手法を提案。実機で83%以上の成功率を達成。
- 対話型模倣学習による器用なロボットマニピュレーション：課題と展望マニピュレーション2025/6/1
本サーベイは、実世界での器用なマニピュレーションにおける課題を整理し、模倣学習・強化学習・ハイブリッド手法を概観した上で、人間のフィードバックでロボットの行動を訓練中に改善する対話型模倣学習の可能性と、他のロボットタスクからの応用方針を論じる。
- ロボットマニピュレーションのための拡散モデル：サーベイマニピュレーション2025/4/1
拡散モデルをロボットマニピュレーション（把持学習・軌道計画・データ拡張）に応用した研究を、模倣学習・強化学習との統合やベンチマークを含めて体系的にまとめたサーベイ。
- ロボットによるワイヤーハーネス組立のためのAIベースの堅牢なモデルベースコネクタ嵌合フレームワークマニピュレーション2025/3/1
力制御と視触覚深層学習を統合し、マルチモーダルトランスフォーマーで探索・挿入戦略を最適化することで、ワイヤーハーネスのコネクタ嵌合作業を自動化するAIフレームワークを提案した。
- VISO-Grasp: 視覚言語情報に基づく空間物体中心の6自由度能動視点計画と遮蔽・不可視環境での把持マニピュレーション2025/3/1
基盤モデルを活用し、深刻な遮蔽環境でも対象物体を把持するため、空間関係を考慮した能動視点計画と多視点不確実性融合による6自由度把持を実現したシステム。
- vMF-Contact: ノイズの多い clutter における不確実性を考慮した確率的コンタクト把持のためのエビデンシャル学習マニピュレーション2024/11/1
把持検出における不確実性をエビデンシャル学習で捉え、方向不確実性を von Mises-Fisher 分布でモデル化する vMF-Contact を提案。実世界実験でクリアランス率を39%改善した。