Wanlin Li
収録論文 15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。
- τ: 未来の視覚的監督から学習する触覚拡張型視覚言語行動モデルVLA/触覚/操作2026/7/1
接触を伴う操作タスク向けに、将来の視覚情報を教師信号として触覚表現を学習し、事前学習済みVLAモデルに統合するフレームワークを提案。専用データセットTacAuraも導入し、未見物体やシーンへの汎化性能を向上させた。
- 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。
- TaF-VLA: 力に基づくマニピュレーションのための触覚-力アラインメントVLAモデルVLA2026/1/1
触覚入力を視覚的テクスチャではなく物理的な接触力に結びつけるTaF-Adapterを提案し、1000万件超の触覚-力同期データセットで学習してVLAモデルに統合した。
- SuperMag: 視覚ベース触覚データを用いた磁気触覚センサの高解像度形状再構成触覚2025/7/1
磁気触覚センサの低解像度問題を、視覚ベース触覚センサの高解像度データで教師あり学習し、条件付きVAEで高解像度形状を推定する手法を提案。
- ControlVLA: 事前学習済み視覚言語行動モデルのための少数ショット物体中心適応VLA2025/6/1
ControlNet風のアーキテクチャで物体中心表現を導入し、10〜20回のデモンストレーションだけで多様な実世界操作タスクに適応できるフレームワークを提案。
- PP-Tac: 触覚フィードバックを用いた巧みなロボットハンドによる紙つかみ触覚2025/4/1
高解像度触覚センサを備えた多指ロボットハンドで、紙のような薄くて柔らかい物体を把持するシステムを開発し、87.5%の成功率を達成した。
- ロボットハンド全体への高解像度触覚埋め込みによる適応的な人間らしい把持触覚2024/12/1
表面の70%に0.1mm解像度の触覚センサを備えた生体模倣ハンドを開発し、生成アルゴリズムと組み合わせることで、動的な実環境での把持性能が触覚なしの場合より大幅に向上することを示した。
- MiniTac: ロボット支援低侵襲手術における触診を強化する超小型8mm視覚ベース触覚センサ触覚2024/10/1
ロボット支援低侵襲手術用に、8mm径の超小型視覚ベース触覚センサを開発した。メカノクロミック膜の色変化を内蔵カメラで捉え、表面および深部の腫瘍検出を可能にする。
- 多指グリッパへの視覚ベース触覚センサの大規模展開触覚2024/8/1
視覚ベース触覚センサを指の節や掌に複数搭載できるモジュール設計とゼロショット校正法を提案し、3本指グリッパに7個のセンサを実装して接触面全体の触覚知覚を改善した。
- Gel-OPTOFORTセンサ：GelSightと光電子センサ技術による多軸力覚・幾何形状の同時計測触覚2024/7/1
GelSightと光電子式力覚センサを組み合わせ、高サンプリング周波数での多軸力計測と物体形状の観察を両立し、力計測範囲も調整可能にしたセンサを提案した。
- Tac-Man: 触覚情報のみによる関節物体の事前知識不要マニピュレーションマニピュレーション2024/3/1
触覚フィードバックのみを利用し、物体の事前知識なしに関節物体を安定して操作する手法を提案。実機とシミュレーションで高い成功率を示した。