Shengcheng Luo

収録論文 6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

• Touch2Robot: 人間のデモンストレーションループにロボットの触覚を統合
  触覚2026/9/21

  人間の手の動きと触覚グローブの計測から、対象ロボットハンドの接触をシミュレーション上で可視化し、デモ中にフィードバックすることで、ロボットへの転移性能とデータ収集効率を向上させるフレームワーク。

• CAAT: 接触認識アテンションスケーリングと触覚マスキングによるデータ効率的な接触リッチ操作
  マニピュレーション2026/8/1

  視覚と触覚を統合するTransformerベースのポリシーに、接触前後で情報の重みを切り替える接触認識アテンションスケーリングと動的触覚マスキングを導入し、デモからの学習効率と成功率を向上させた。

• DexMani: 人間由来の操作性ガイダンスによる器用な回転操作
  マニピュレーション2026/8/1

  人間のデモから接触条件付きの操作性進化を学習し、それを強化学習のガイドとして用いることで、異なるロボットハンドでの物体回転スキル獲得を可能にするフレームワークを提案した。

• RGB-S: 画像整合型触覚サリエンシによる堅牢な器用操作
  触覚/操作2026/6/7

  視覚が遮蔽された状況でも、触覚センサ位置を画像平面に投影し、力変調ガウス分布で空間的不確実性をモデル化して視覚特徴に統合することで、器用操作の成功率を大幅に向上させる手法を提案した。

• Real2Sim2Real触覚ポリシー学習によるブラインド器用把持
  触覚/把持/sim2real2026/6/1

  実ロボットの触覚データをシミュレータに転写し、触覚のみで多指ハンドのブラインド把持を学習・実機展開する手法を提案。

• 人間とエージェントの共同学習による効率的なロボットマニピュレーションスキル獲得
  マニピュレーション2024/7/1

  人間と学習型アシストエージェントがロボットの制御を共有し、データ収集とロボットの訓練を同時に行うことで、効率的にマニピュレーションスキルを獲得するシステムを提案した。