Ryoichi Nakajo
National Institute of Advanced Industrial Science and Technology
収録論文 10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
- TOAST: 自己回帰型視覚-言語-行動モデルのための確率的ロボット行動トークン化VLA2026/10/1
同じ行動列を複数のトークン列で表現できる冗長性を活かし、学習時に確率的にサンプリングするトークン化手法を提案。データが少ないほど精度が向上し、実機タスクでも有効性を示した。
- ロボット模倣学習のための固有感覚と能動的行動に基づく指先センシングの自己教師ありアンカリング模倣学習2026/9/24
指先の触覚・近接センサを固有感覚と行動に自己教師ありで対応付け、接触前後の情報を活用して模倣学習の成功率を高める手法を提案。
- 幾何学的事前学習による模倣学習の効率改善マニピュレーション2026/9/11
平面・物体・手のみの単純な幾何学シーンで自動生成したデータで事前学習し、少ない実演データで模倣学習を効率化する手法を提案。
- 非把持スローイング：強化学習の視点からロボット操作2026/9/1
ロボットによる物体投げ動作を強化学習で実現し、滑りや転がりを活用して把持不要の投げを可能にした。シミュレーションで99%の成功率を達成し、実機への適用も考慮している。
- ロボット基盤モデルにおける身体性ギャップ基盤モデル2026/8/19
ロボット基盤モデル（RFM）の汎化性能と実ロボットへの適用に必要な作業の差を「身体性ギャップ」と定義し、既存手法を共有構造と適応段階の2軸で整理したサーベイ論文。
- GuidedAttention: OODロバストなロボット操作のための解釈可能かつ修正可能な視覚的注意機構模倣学習/操作2026/7/1
視覚運動ポリシーに解釈可能で修正可能な注意キーポイントを中間表現として導入し、ユーザーが初期化時に修正可能な模倣学習フレームワークを提案。シミュレーションと実世界でOOD条件下での操作性能を向上させた。
- 自己拡張ロボット軌道：実演者注釈付き精度による安全な自己拡張を用いた効率的模倣学習模倣学習2025/9/1
1回の人間実演と精度境界の注釈から、ロボットが安全に衝突のない軌道を自己生成してデータを拡張し、模倣学習の効率と成功率を高めるフレームワークSARTを提案。
- RoboManipBaselines：実機とシミュレーションを横断するロボットマニピュレーション模倣学習の統合フレームワーク模倣学習2025/9/1
データ収集・方策学習・実行までを一貫して行える模倣学習用のオープンソース基盤を提案し、複数シミュレータと実機ロボットに対応したベンチマークと応用例を示した。
- Transformerによる行動チャンキングと腕間協調を用いた両腕マニピュレーションの学習マニピュレーション2025/3/1
両腕ロボットの協調動作を模倣学習で実現するため、腕ごとに分けたアーキテクチャと腕間の同期・時間整合を促す中間エンコーダ層(IACE)を提案し、両腕タスクで高い成功率を示した。
- 動力学教師ありモデルによる非把持マニピュレーションの視覚模倣学習模倣学習2024/10/1
非把持操作のような動的タスクにおいて、次フレームRGB予測に加えて物体の位置・速度・加速度を直接予測する動力学マッピングを導入し、より汎化性の高い視覚バックボーンとタスク方策を学習する手法を提案した。