Wenlong Dong
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
- 形を超えた機能：異種ハンド間の機能的対応による器用把持生成マニピュレーション2026/9/30
異なる構造のロボットハンド間で把持の機能的役割を対応付け、未見のハンドでも把持データや再学習なしに器用な把持を生成する手法を提案。
- VISTA: 視覚から推定する空間接触注意による高密度接触操作マニピュレーション2026/8/26
接触を伴う精密操作のため、視覚のみからグリッパの変形を推定し、触覚センサなしで接触情報を獲得する模倣学習フレームワークを提案した。
- 二重プロセス原子スキル学習：意味推論とリアルタイム制御の分離模倣学習/階層的制御2026/7/1
言語条件付き模倣学習において、高次の意味推論と低次の動作生成を非同期に分離する新しい階層的枠組みDASLを提案し、複合タスクの汎化性能を向上させた。
- GCNGrasp-VP: アフォーダンス誘導による視点計画を用いた効率的なタスク指向把持マニピュレーション2026/6/1
オクルージョンによるタスク指向把持の性能低下を解決するため、アフォーダンス場の予測と能動的な視点計画を統合したフレームワークを提案。シーン再構成を不要とし、1回の視点調整で高精度な把持を実現する。
- VLAConf: 視覚言語行動モデルのための校正されたタスク成功信頼度VLA2026/5/1
VLAモデルのタスク成功確率を、軽量な信頼度ヘッドで単一フォワードパス推定する手法を提案。既存手法より高速で、連続行動空間にも適用可能。
- 夢のように掴む：生成された人間デモから機能的把持を模倣する把持2026/4/1
ビデオ生成モデルなどの視覚生成モデルで合成した人間のデモを使って、ロボットの機能的把持をゼロショットで学習する手法GraspDreamerを提案。データ収集の手間を省きつつ、多様な物体・タスクへの汎化を実現した。
- Easy-IIL: アシスタント専門家による対話型模倣学習の人間の操作負担軽減模倣学習2026/3/1
対話型模倣学習において、モデルベースの模倣手法をアシスタント専門家として活用し、人間の介入を最小限に抑えつつ性能を維持するフレームワークを提案した。
- Meta-Memory: ロボットの空間推論のための意味・空間記憶の検索と統合空間推論2025/9/1
LLM駆動エージェントが環境の高密度記憶を構築し、自然言語の位置質問に対して意味と空間の記憶を統合して応答する手法を提案。SpaceLocQAデータセットを導入し、実機でも検証した。
- MimicFunc: 単一の人間動画から機能対応を介して道具操作を模倣する模倣学習2025/8/1
機能中心の局所座標系「ファンクションフレーム」を構築し、1本のRGB-D人間動画から新しい道具への操作スキルを汎化するフレームワークを提案。
- 汎化可能な両腕マニピュレーションのベンチマーク：CVPR 2025 MEISワークショップにおけるRoboTwin両腕協調チャレンジマニピュレーション2025/6/1
RoboTwinシミュレーションと実機ロボットを用いた両腕マニピュレーションの国際コンペを開催し、17タスクで64チームが競い、汎化可能な協調方策の知見をまとめた。
- HGDiffuser: 人間誘導型把持拡散モデルによる効率的なタスク指向把持生成マニピュレーション2025/3/1
人間の把持実演を拡散モデルの誘導サンプリングに組み込み、6自由度のタスク指向把持を一段階で直接生成する手法を提案し、従来の二段階手法より高効率・高品質を実現した。
- FUNCTO: 機能中心のワンショット模倣学習による道具操作模倣学習2025/2/1
人間の1回のデモ動画から、同じ機能を持つ形状の異なる道具へ操作スキルを汎化できる、3D機能キーポイント表現を用いたワンショット模倣学習手法を提案。
- RTAGrasp: 人間の動画からの検索・転移・整合によるタスク指向把持の学習マニピュレーション2024/9/1
人間の把持動画から把持位置と方向の制約を抽出し、視覚基盤モデルで対象物に転移してロボットの動作に整合させる、訓練不要のタスク指向把持フレームワークを提案。
- 意味情報と幾何情報を活用したゼロショットのロボットから人へのハンドオーバーハンドオーバー2024/9/1
視覚言語モデルから得た意味情報と幾何情報を組み合わせ、多様な物体に対してゼロショットで把持位置を選定し、人に干渉しないハンドオーバーを実現するシステムを提案した。
- FoundationGrasp: 基盤モデルによる汎化可能なタスク指向把持マニピュレーション2024/4/1
基盤モデルのオープンエンドな知識を活用し、未知の物体やタスクにも汎化できるタスク指向把持フレームワークを提案。実機実験で有効性を検証。