Roberto Calandra

TU Dresden

収録論文 51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

• Norm2Tex: 視触覚シミュレーションをテクスチャで拡張
  触覚2026/9/21

  ノーマルマップから高周波の表面詳細を視覚ベース触覚シミュレータに組み込み、シミュレーションと実世界の触覚データのギャップを埋めるプラグイン手法を提案。

• MISTac: 低侵襲手術のための視覚ベース触覚センサ
  触覚2026/8/14

  低侵襲手術で失われる触覚フィードバックを補うため、直径8mmの交換可能なセンサチップを持つ高解像度の視覚ベース触覚センサMISTacを開発し、組織分類タスクで約84%の精度を達成した。

• RCT: ロボット収集による触覚-視覚-言語データセットと触覚汎化の評価
  触覚2026/6/1

  ロボットが122種類の工業材料を押した際の触覚データを収集し、未見の材料に対する触覚表現の汎化性能を評価するためのデータセットと評価手法を提案した論文。

• SemanticFeels: ハンド内操作中の意味的ラベリング
  触覚2026/2/1

  視覚と触覚から物体の形状と素材を同時に認識するため、ニューラル暗黙形状表現に意味的ラベリングを統合したフレームワークを提案し、多素材物体で平均79.87%の素材分類精度を達成した。

• Robot Control Stack：大規模ロボット学習のための軽量エコシステム
  VLA2025/9/1

  VLAや強化学習ポリシーの学習・実機実験を支援する、シミュレーションと実機を統一インターフェースで扱う軽量なロボット制御フレームワークを提案し、OctoやOpenVLAなどの性能を評価した。

• 信念・欲求・意図ロボットのための効果的な説明：いつ、何を説明するか
  HRI2025/7/1

  キッチンでの掃除タスクを行うロボットを対象に、ユーザーが説明を求める状況と内容の好みを調査し、驚くような行動を特定して効果的な説明を生成する2つのアルゴリズムを提案した。

• 触覚MNIST：能動的触覚知覚のベンチマーク
  触覚2025/6/1

  能動的触覚知覚タスク（位置推定・分類・体積推定）のためのオープンソースベンチマークと、合成・実世界の触覚データセットを提案した論文。

• 巧みな物体受け渡しの学習
  マニピュレーション2025/6/1

  二本の多指ハンド間で物体を受け渡すタスクを強化学習で実現し、双四元数に基づく新しい報酬関数で回転距離を最小化することで、未知の物体や相手の動きに対する頑健性を実証した。

• APPLE: 強化学習による汎用的な能動的知覚の実現
  能動的知覚2025/5/1

  強化学習を用いて、触覚探索などの能動的知覚タスクを汎用的に解くフレームワークAPPLEを提案し、Tactile MNISTベンチマークで有効性を示した。

• 模倣学習における触覚センシングの重要性：ロボットによるマッチ点火のケーススタディ
  触覚2025/4/1

  視覚と触覚を統合したマルチモーダル模倣学習フレームワークを提案し、動的で接触の多いマッチ点火タスクにおいて触覚情報が政策性能を向上させることを示した。

• 動的照明と画像融合による視覚ベース触覚センサの強化
  触覚2025/4/1

  視覚ベース触覚センサにおいて、複数の照明パターンで撮影した画像を融合することで、コントラストや鮮明さを改善し、センシング品質を高める手法を提案した。

• 実世界でピアノを弾くロボットの学習
  sim2real2025/3/1

  シミュレーションと実世界を交互に学習するSim2Real2Simアプローチにより、実機の器用なロボットがピアノ曲を正確に演奏できることを示した。

• 視覚・音・触覚を用いたやさしい把持の学習
  マニピュレーション2025/3/1

  視覚・触覚・聴覚のマルチモーダル入力から把持の安定性とやさしさを予測し、壊れやすい物体を最小限の力で把持する手法を提案した論文。

• 単純な技能から複雑な技能へ：ハンド内物体再配向の事例
  マニピュレーション2025/1/1

  既存の回転スキルを再利用した階層的方策により、シミュレーションから実世界への転移が容易で外乱に頑健なハンド内物体再配向を実現し、固有感覚情報と低レベルスキル予測から物体姿勢を推定する手法も提案した。

• ManiSkill-ViTac 2025：視覚と触覚を用いたマニピュレーション技能学習チャレンジ
  触覚2024/11/1

  触覚と視覚を融合させた接触の多いマニピュレーション技能学習を競うチャレンジを開催し、触覚操作・視触覚融合・触覚センサ設計の3部門で評価する。

• 人工多モーダル指先による触覚のデジタル化
  触覚2024/11/1

  高解像度センサとオンデバイスAIを備えた半球状の人工指先を開発し、触覚・振動・熱・匂いを多モーダルに検出できることを示した論文。

• ManiSkill3: 汎化可能な身体性AIのためのGPU並列ロボティクスシミュレーションとレンダリング
  sim2real2024/10/1

  接触の多い操作タスク向けに、シミュレーションとレンダリングをGPUで並列化した高速ロボティクスシミュレータManiSkill3を開発し、12分野の多様なタスクとデモデータ、ベースラインを提供した。

• 光ファイバーバンドルを用いた視覚ベース触覚センサの小型化
  触覚2024/3/1

  光ファイバーバンドルを利用して、人間の指先より小さい直径15mmの視覚ベース触覚センサを開発し、前立腺の硬さを臨床的に識別できることを示した。

• A Touch, Vision, and Language Dataset for Multimodal Alignment
  2024/2/1
• Neural feels with neural fields: Visuo-tactile perception for in-hand manipulation
  2023/12/1
• Evetac: An Event-based Optical Tactile Sensor for Robotic Manipulation
  2023/12/1
• General In-Hand Object Rotation with Vision and Touch
  2023/9/1
• In-Hand Object Rotation via Rapid Motor Adaptation
  2022/10/1
• Self-Supervised Visuo-Tactile Pretraining to Locate and Follow Garment Features
  2022/9/1
• What Robot do I Need? Fast Co-Adaptation of Morphology and Control using Graph Neural Networks
  2021/11/1
• Active 3D Shape Reconstruction from Vision and Touch
  2021/7/1
• Towards Learning to Play Piano with Dexterous Hands and Touch
  2021/6/1
• PyTouch: A Machine Learning Library for Touch Processing
  2021/5/1
• Model-Invariant State Abstractions for Model-Based Reinforcement Learning
  2021/2/1
• TACTO: A Fast, Flexible, and Open-source Simulator for High-Resolution Vision-based Tactile Sensors
  2020/12/1
• Learning Accurate Long-term Dynamics for Model-based Reinforcement Learning
  2020/12/1
• Planning in Learned Latent Action Spaces for Generalizable Legged Locomotion
  2020/8/1
• 3D Shape Reconstruction from Vision and Touch
  2020/7/1
• Learning to Play Table Tennis From Scratch using Muscular Robots
  2020/6/1
• DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile Sensor with Application to In-Hand Manipulation
  2020/5/1
• Model-Based Meta-Reinforcement Learning for Flight with Suspended Payloads
  2020/4/1
• OmniTact: A Multi-Directional High Resolution Touch Sensor
  2020/3/1
• Objective Mismatch in Model-based Reinforcement Learning
  2020/2/1
• Data-efficient Co-Adaptation of Morphology and Behaviour with Deep Reinforcement Learning
  2019/11/1
• Learning Generalizable Locomotion Skills with Hierarchical Reinforcement Learning
  2019/9/1
• Data-efficient Learning of Morphology and Controller for a Microrobot
  2019/5/1
• Learning to Control Highly Accelerated Ballistic Movements on Muscular Robots
  2019/4/1
• Learning to Identify Object Instances by Touch: Tactile Recognition via Multimodal Matching
  2019/3/1
• Manipulation by Feel: Touch-Based Control with Deep Predictive Models
  2019/3/1
• Low Level Control of a Quadrotor with Deep Model-Based Reinforcement Learning
  2019/1/1
• Deep Reinforcement Learning in a Handful of Trials using Probabilistic Dynamics Models
  2018/5/1
• More Than a Feeling: Learning to Grasp and Regrasp using Vision and Touch
  2018/5/1
• Learning Flexible and Reusable Locomotion Primitives for a Microrobot
  2018/3/1
• The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes?
  2017/10/1
• MBMF: Model-Based Priors for Model-Free Reinforcement Learning
  2017/9/1
• Low-cost Sensor Glove with Force Feedback for Learning from Demonstrations using Probabilistic Trajectory Representations
  2015/10/1