Yuke Zhu

University of Texas at Austin

収録論文 133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

• Recova: 自律ロボットマニピュレーションのためのエージェント誘導型失敗回復
  マニピュレーション2026/10/1

  デジタルツイン上でエージェントが失敗を診断し回復行動を学習、実機での検証と人間デモを組み合わせて回復能力を拡張する枠組みを提案し、成功率と人間介入の削減を実証した。

• ASENA: 自己進化型エージェントによる身体性ナビゲーション
  ナビゲーション2026/9/30

  コーディングエージェントがプログラムを書いて実行・修正・経験を蓄積しながらロボットをナビゲーションさせるシステムを提案し、4Bの単眼ナビゲーション方策と組み合わせてR2RやRxRで高性能を達成した。

• Bスプライン方策：Bスプライン行動表現による操作方策の高速化
  マニピュレーション2026/7/1

  離散時刻の行動チャンクの代わりにBスプライン曲線で行動を表現し、操作方策の実行を高速化する手法を提案した論文。

• ASPIRE: ロボットのためのエージェント的スキル発見
  スキル発見/継続学習2026/7/1

  ロボット制御プログラムを自律的に作成・改善し、再利用可能なスキルライブラリを構築する継続学習システムASPIREを提案。シミュレーションと実世界で高い性能とゼロショット汎化を示した。

• 人間のデモから接触力ガイダンスを用いた器用操作の学習
  器用操作2026/7/1

  人間のデモから物体に加わる力・トルク空間でガイダンスを作り、強化学習で長期的な器用操作を学習するフレームワークCHORDを提案。大規模ベンチマークで高い成功率を示し、実世界にも転移可能。

• エピソード評価を超えて：連続的身体化質問応答における記憶アーキテクチャのボトルネック
  身体化AI/記憶アーキテクチャ2026/7/1

  身体化質問応答（EQA）を連続的に評価した際、既存の記憶保持だけでは不十分で、視覚的意味情報を保持する構造化された空間的記憶（3D幾何学に基づく）が必要であることを示した論文。

• RoboTTT: ロボットポリシーのためのコンテキストスケーリング
  VLA2026/7/1

  ロボットポリシーの視覚運動コンテキストを8Kタイムステップまで拡張し、推論遅延を増やさずに、人間のビデオからのワンショット模倣や長期的タスクの性能向上を実現する手法を提案。

• GaP: 変動的オートメーションタスクのためのグラフとしてのポリシーを用いたマルチエージェント自己学習ハーネス
  タスク計画2026/7/1

  ロボットの信頼性を高めるため、エージェント型コーディングと解釈可能なロボットプログラミングを組み合わせ、タスクをグラフ構造で表現して自己学習する手法を提案した。

• 視覚運動制御のための対比的行動-画像事前学習
  視覚エンコーダ/事前学習/模倣学習2026/6/15

  大規模な人間の第一人称ビデオから手のキーポイントを行動の代理として抽出し、対比学習でロボットの視覚エンコーダを事前学習する手法を提案。実機の器用操作タスクで既存手法を30%以上上回る性能を達成した。

• SimFoundry: ポリシー学習と評価のためのモジュール式自動シーン生成
  sim2real2026/6/1

  実世界のビデオからシミュレーション用のシーンを自動生成し、多様なバリエーションを作成してロボットポリシーの訓練と評価を行うシステムを提案。シミュレーションでの評価が実世界性能を強く予測し、訓練時のバリエーション追加が成功率を向上させることを示した。

• 視覚運動ポリシーの短期記憶を拡張し長期的タスクを実現
  模倣学習2026/6/1

  本論文は、模倣学習による視覚運動ポリシーに短期記憶を効果的に組み込むためのアーキテクチャPRISMを提案し、新しいベンチマークReMemBenchで評価した。

• GRAIL: 3Dアセットとビデオ事前知識から人型ロコ操作を生成
  ロコ操作2026/6/1

  物理環境や遠隔操作を必要とせず、3Dアセットとビデオ基盤モデルの事前知識を用いて、人型ロボットの全身操作デモを仮想的に生成するパイプラインを提案した。

• Vesta: 汎用身体化推論モデル
  VLA2026/6/1

  ロボットのための単一の基盤モデルで、位置推定・空間推論・ナビゲーション・長期計画を統合し、専門モデル群を上回る性能を示した。

• 長期的ロボット制御のための視覚運動ポリシーにおける記憶検索
  VLA2026/6/1

  部分観測環境での長期タスクを可能にするため、注意機構を用いた記憶検索を備えた視覚運動ポリシーHALOを提案。VLMの事前知識を活用して誤相関を抑え、記憶誤差の蓄積を軽減する。

• T-Rex: 触覚反応型巧みな操作
  触覚/操作2026/6/1

  触覚信号に動的に反応する操作を実現するため、大規模な触覚データセットと可変レートのMixture-of-Transformersアーキテクチャを導入し、12の操作タスクで成功率を大幅に向上させた。

• Cosmos 3: 物理AIのための全モーダル世界モデル
  VLA2026/6/1

  言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。

• HumanoidMimicGen: 全身計画による移動操作のためのデータ生成
  データ生成/移動操作2026/5/1

  ヒューマノイドの移動と操作を模倣学習で訓練するためのデータを自動生成する手法を提案。少数の実演から全身スキルを適応させ、多様なシーンで安定したデータを生成し、実データのみで訓練した場合より20%性能が向上した。

• MotionBricks: モジュール型潜在生成モデルとスマートプリミティブによるスケーラブルなリアルタイムモーション生成
  モーション生成2026/4/1

  大規模なモーション生成をリアルタイムで行うためのフレームワークを提案し、35万以上のモーションクリップを単一モデルで扱い、速度指令やスタイル選択などの細かい制御を可能にするスマートプリミティブを導入した。

• 生成ロボットポリシーにおけるシミュレーションと実機の共学習のメカニズム解析
  ロボット学習2026/4/1

  シミュレーションと実機データを組み合わせた共学習が有効に機能するメカニズムを理論と実験で解析し、性能を左右する2つの効果（構造的表現アライメントと重要度再重み付け）を特定した。

• 事前学習済みVLAモデルは継続学習において驚くほど忘却しにくい
  VLA2026/3/1

  大規模な視覚-言語-行動モデルは、小さなリプレイバッファでも継続学習時にほとんど忘却せず、事前学習が忘却耐性に大きく寄与することを示した研究。

• SoftMimicGen: 変形物体操作のためのスケーラブルなロボット学習データ生成システム
  データ生成/変形物体操作2026/3/1

  変形物体操作タスク向けに、高忠実度シミュレーション環境と自動データ生成パイプラインを構築し、生成データで高性能なポリシーを学習できることを示した論文。

• ManipulationNet：物理的スキル課題と身体化マルチモーダル推論を備えた実世界ロボット操作のベンチマーク基盤
  ベンチマーク2026/3/1

  実世界のロボット操作タスクを標準化されたハードウェアキットと統一ソフトウェアクライアントで提供し、物理スキルと身体化推論の2トラックで評価する持続可能なベンチマーク基盤を提案した。

• RoboCasa365：汎用ロボットの訓練とベンチマークのための大規模シミュレーションフレームワーク
  シミュレーション/ベンチマーク2026/3/1

  家庭用移動操作ロボットの大規模ベンチマークRoboCasa365を提案し、365の日常タスクと多様な環境、大量のデモデータを用いて汎用ポリシーの評価と分析を行った。

• CaP-X: ロボットマニピュレーションのためのコーディングエージェントのベンチマークと改善フレームワーク
  マニピュレーション2026/3/1

  コードを方策として使うエージェントを体系的に評価する環境CaP-GymとベンチマークCaP-Benchを構築し、テスト時計算の拡張で人間レベルの信頼性を達成する手法を提案した。

• EgoScale：多様な一人称視点ヒューマンデータによる器用なマニピュレーションのスケーリング
  マニピュレーション2026/2/1

  2万時間超の一人称視点ヒューマン動画でVLAモデルを事前学習し、人間データ量と検証損失の対数線形則を発見。軽量な人間-ロボット中間学習により、22自由度ハンドの器用な操作成功率を54%向上させた。

• DreamDojo: 大規模人間動画から学ぶ汎用ロボット世界モデル
  世界モデル2026/2/1

  44,000時間の一人称視点人間動画から汎用的なロボット世界モデルを学習し、連続潜在行動を代理ラベルとして活用することで、巧みな操作の物理理解と精密な行動制御を実現した研究。

• 世界行動モデルはゼロショット方策である
  VLA2026/2/1

  動画拡散モデルを基盤に未来の世界状態と行動を予測するWorld Action Model「DreamZero」を提案し、実機でVLAを上回る汎化性能と7Hzのリアルタイム閉ループ制御を実現した。

• CHIP: 後知恵摂動によるヒューマノイドの適応的コンプライアンス制御
  マニピュレーション2025/12/1

  後知恵摂動を用いて、動的動作の追従性を保ちながらエンドエフェクタの硬さを調整可能にするプラグアンドプレイモジュールCHIPを提案し、力強いマニピュレーションタスクを実現した。

• ヒューマノイドのピクセル入力から行動へのポリシー転移におけるSim-to-Realの扉を開く
  sim2real2025/12/1

  GPU加速のフォトリアルシミュレーションと教示者-生徒-ブートストラップ学習を用い、RGB画像のみからヒューマノイドが多様な扉を開けるロコマニピュレーションポリシーをシミュレーションだけで学習し、実機でゼロショット転移を実現した。

• LLM-GROP: 大規模言語モデルによる視覚に基づくロボットのタスク・動作計画
  タスク・動作計画2025/11/1

  大規模言語モデルの常識知識と視覚情報を活用し、複数物体の移動を伴うモバイルマニピュレーションのタスク・動作計画を統合するフレームワークを提案。実環境とシミュレーションで成功率と効率を評価した。

• SONIC: 自然なヒューマノイド全身制御のための運動追跡の超大規模化
  ヒューマノイド制御2025/11/1

  運動追跡をスケーラブルなタスクと位置づけ、モデル容量・データ・計算量を大規模化することで、自然で堅牢な全身運動が可能な汎用ヒューマノイド制御器を構築した研究。

• Isaac Lab：マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワーク
  sim2real2025/11/1

  GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。

• 物理AIのための動画基盤モデルによる世界シミュレーション
  世界モデル2025/11/1

  テキスト・画像・動画から世界を生成する動画基盤モデルCosmos-Predict2.5と、Sim2Real/Real2Real変換を行うCosmos-Transfer2.5を発表し、ロボティクス向けの合成データ生成やシミュレーションを可能にした。

• 残差強化学習によるデータ生成で自己改善する視覚言語行動モデル
  VLA2025/11/1

  VLAモデルの失敗領域を残差RLで探索し、展開分布に沿った軌道を収集・蒸留することで、追加の人間デモなしに性能を自己改善させるフレームワークPLDを提案。

• VIRAL: ヒューマノイドの移動操作に向けた大規模視覚Sim-to-Real
  sim2real2025/11/1

  シミュレーションのみでヒューマノイドの移動を伴う操作スキルを学習し、実機にゼロショット転移する視覚ベースのフレームワークを提案。大規模ドメインランダム化と実機整合により、Unitree G1上で連続的な移動操作を実現した。

• DEAS: 行動系列を用いた分離価値学習によるスケーラブルなオフライン強化学習
  オフライン強化学習2025/10/1

  行動系列を価値学習に活用し、価値の過大評価を分離学習で抑えることで、長期的タスクのオフライン強化学習や大規模VLAモデルの性能を向上させる手法を提案。

• ロボティクス向けVision-Language-Actionモデル：実世界応用に向けたレビュー
  VLA2025/10/1

  視覚・言語・行動を統合するVLAモデルについて、アーキテクチャや学習手法からロボットプラットフォーム、データセット、評価ベンチマークまでを網羅的に整理したサーベイ論文。

• MimicDroid: 人間の遊び動画からの文脈内学習によるヒューマノイドロボット操作
  VLA2025/9/1

  人間の遊び動画のみを訓練データとして、ヒューマノイドが新しい操作タスクを数例の動画から効率的に学習できる文脈内学習手法を提案し、実世界で成功率を約2倍に向上させた。

• 視覚運動ポリシー学習のための制約保持データ生成
  マニピュレーション2025/8/1

  単一の専門家軌道から、新しい物体形状や姿勢を含むロボット実演を生成し、実世界にゼロショット転移する閉ループ視覚運動ポリシーを訓練する手法を提案。

• FORTE: 繊細な操作のための柔軟指上の触覚力・滑りセンシング
  触覚2025/6/1

  3Dプリント製フィンレイグリッパの内部空気チャネルを使い、低遅延で把持力と滑りを検出する触覚システムを開発。ラズベリーやポテトチップスなど壊れやすい物体を92%の成功率で把持できる。

• Casper: 視覚言語モデルによる多様な意図推論を実現する支援型遠隔操作
  遠隔操作2025/6/1

  視覚言語モデルの常識知識を活用し、ユーザーの操作入力から多様な意図をリアルタイムに推論して、長期的な移動マニピュレーション作業を支援する遠隔操作システムを提案した。

• GraspMolmo：大規模合成データ生成による汎用タスク指向把持
  把持2025/5/1

  自然言語指示とRGB-D画像から、大規模合成データで学習した視覚言語モデルにより、意味的に適切な把持を予測する汎用タスク指向把持モデルを提案。

• 視覚強化学習から創発するシミュレーション人型ロボットの能動的知覚と器用さ
  VLA2025/5/1

  自己中心視覚のみを入力とする強化学習フレームワークPDCを提案し、シミュレーション人型ロボットが物体探索・把持・配置・関節物体操作などの家事タスクを単一ポリシーで遂行できることを示した。

• SCIZOR: 大規模模倣学習のための自己教師ありデータキュレーション
  模倣学習2025/5/1

  模倣学習データから低品質な状態行動ペアを自己教師ありで除去し、少ないデータで性能を平均15.4%向上させる手法を提案。

• FLARE: 暗黙的世界モデリングによるロボット学習
  VLA2025/5/1

  将来の観測の潜在表現を予測する世界モデリングを拡散トランスフォーマーポリシーに組み込み、模倣学習の性能と汎化を大幅に向上させた手法。

• DreamGen：動画世界モデルでロボット学習の汎化を解き放つ
  VLA2025/5/1

  画像から動画を生成するモデルでロボットの疑似行動データを作り、1つのテレオペデータから多様な行動・環境への汎化を実現する4段階パイプラインを提案。

• GR00T N1: 汎用人型ロボットのためのオープン基盤モデル
  VLA2025/3/1

  視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。

• シミュレーションと実世界の共訓練：視覚ベースロボットマニピュレーションのための簡単なレシピ
  マニピュレーション2025/3/1

  シミュレーションと実世界のデータを混合して方策を共訓練する簡単な手法を提案し、ロボットアームとヒューマノイドの多様なタスクで実世界性能を平均38%向上させた。

• ASAP: シミュレーションと実世界物理の整合による俊敏なヒューマノイド全身スキルの学習
  sim2real2025/2/1

  シミュレーションと実世界のダイナミクス差を補正する残差行動モデルを実機データから学習し、事前学習済みの運動追従方策を微調整することで、ヒューマノイドの俊敏な全身動作を実現する二段階フレームワークを提案した。

• ヒューマノイドの視覚ベース巧みな操作のためのSim-to-Real強化学習
  sim2real2025/2/1

  ヒューマノイドロボットの視覚ベース両手巧みな操作を実現するSim-to-Real強化学習の実践的レシピを提案し、把持・持ち上げ・受け渡しタスクで高い成功率を示した。

• ヒューマノイドの移動と操作：制御・計画・学習の現状と課題
  ヒューマノイド2025/1/1

  ヒューマノイドロボットの移動と操作に関する研究を、モデルベース手法と学習ベース手法の両面から包括的にサーベイし、触覚や基盤モデル統合の可能性と課題を整理した。

• SPOT: 物体中心操作のためのSE(3)姿勢軌道拡散
  模倣学習2024/11/1

  物体のSE(3)姿勢軌道をタスク表現として用い、拡散ポリシーを条件付ける物体中心模倣学習フレームワークを提案。iPhoneで撮影した8つの実演のみで実世界タスクを制約遵守しつつ完遂した。

• RT-Affordance: ロボットマニピュレーションのための汎用中間表現としてのアフォーダンス
  マニピュレーション2024/11/1

  タスクの要所でのロボット姿勢を表すアフォーダンスを中間表現として用い、言語指示からアフォーダンス計画を生成して操作方策を条件付ける階層モデルを提案し、新規タスクで既存手法を50%以上上回る性能を示した。

• LEGATO: 把持ツールを用いた異形態間模倣学習
  模倣学習2024/11/1

  手持ちグリッパで行動と観測を統一し、模倣学習で得た視覚運動方策を逆運動学で多様なロボットの全身動作に変換する異形態間スキル転移フレームワーク。

• ワンステップ拡散方策：拡散蒸留による高速視覚運動方策
  VLA2024/10/1

  事前学習済み拡散方策を蒸留して1ステップで行動を生成する手法を提案し、推論速度を1.5Hzから62Hzへと大幅に高速化した。

• Harmon: 言語記述からヒューマノイドの全身運動を生成
  全身運動生成2024/10/1

  人間の運動データを事前知識として活用し、視覚言語モデルの常識推論で編集・洗練することで、言語指示に沿った自然で多様なヒューマノイド全身運動を生成する手法を提案した。

• OKAMI: 単一動画の模倣によるヒューマノイドロボットの操作スキル学習
  模倣学習/ヒューマノイド2024/10/1

  1本のRGB-D動画から物体を認識して人間の動きをヒューマノイドに再ターゲティングし、操作計画と実行ポリシーを生成する手法を提案。閉ループ視覚運動ポリシーは79.2%の成功率を達成した。

• DexMimicGen：両腕巧みな操作のための模倣学習による自動データ生成
  マニピュレーション2024/10/1

  少数の人間デモからヒューマノイドロボットの両腕巧みな操作の軌道を自動生成するシステムを提案し、60のデモから21Kのデモを生成して実機タスクに展開した。

• HOVER: ヒューマノイドのための汎用全身制御ニューラルコントローラ
  ヒューマノイド全身制御2024/10/1

  全身の運動模倣を共通の抽象表現として活用し、ナビゲーションや卓上操作など複数の制御モードを単一の方策に蒸留統合したヒューマノイド全身コントローラを提案した。

• 視覚ワールドモデルを用いたマルチタスク対話型ロボットフリート学習
  フリート学習2024/10/1

  視覚ワールドモデルでロボットの行動結果を予測し異常を検知して、必要なときだけ人間が介入するフリート学習フレームワークを提案。自律性向上に伴い介入要求が自動的に減り、人間の負担を軽減する。

• BUMBLE: 視覚言語モデルによる建物全体の移動マニピュレーションのための推論と行動の統合
  移動マニピュレーション2024/10/1

  建物規模の長期的な移動マニピュレーションタスクに取り組むため、視覚言語モデルを基盤に開放世界RGBD知覚、粗から細への運動スキル、二層メモリを統合したフレームワークBUMBLEを提案し、70試行で平均47.1%の成功率を達成した。

• PRESTO: キー配置環境表現に基づく拡散モデルを用いた高速動作計画
  動作計画2024/9/1

  作業空間を少数のキー配置で表現し、それを条件に拡散モデルで初期軌道を生成して軌道最適化で衝突を修正する、学習ベースの動作計画手法を提案した論文。

• KinScene: 関節物体を含むシーンのモデルベース移動マニピュレーション
  マニピュレーション2024/9/1

  移動マニピュレータが屋内シーンを自律探索し、関節物体の運動モデルを構築して、長期的な操作タスクを計画・実行するフルスタック手法を提案。

• RoboCasa：汎用ロボットのための日常タスク大規模シミュレーション
  sim2real2024/6/1

  キッチン環境を中心に多様な3Dアセットと100種類のタスクを備えた大規模シミュレーションフレームワークを構築し、生成AIや自動軌道生成でデータを拡張して汎用ロボットの模倣学習を可能にした。

• DrEureka: 言語モデルが導くSim-to-Real転送
  sim2real2024/6/1

  大規模言語モデルを活用し、報酬関数とドメインランダム化を自動設計することで、四足歩行や器用な操作のシミュレーションから実機への転送を人手を介さず実現した研究。

• ARDuP: 汎用ポリシーのためのアクティブ領域動画拡散
  VLA2024/6/1

  動画生成ベースのポリシー学習において、動きの手がかりから自動的に「アクティブ領域」を抽出し、その領域に注目して拡散モデルで計画・行動生成する手法を提案。シミュレータと実世界データで成功率を改善。

• InterPreT: 言語フィードバックからの対話的述語学習による汎化可能なタスクプランニング
  タスクプランニング2024/5/1

  人間の非専門家による言語フィードバックから記号述語と作用素を学習し、PDDLに変換してロボットの長期タスクプランニングを実現するLLMベースのフレームワーク。

• 単一の人間動画とオープンワールド物体グラフからの視覚ベースマニピュレーション
  模倣学習2024/5/1

  1本の人間のRGB/RGB-D動画から物体中心の操作計画を抽出し、それを条件とする方策を学習することで、未知物体や背景・視点の変化に対応できる模倣学習手法ORIONを提案した。

• PRIME: 行動プリミティブによる模倣学習のデータ効率化フレームワーク
  マニピュレーション2024/3/1

  タスクをプリミティブ列に分解し、高レベル方策を模倣学習することで、長期的なマニピュレーションタスクのデータ効率を大幅に改善した研究。

• DROID: 大規模実環境ロボットマニピュレーションデータセット
  マニピュレーション2024/3/1

  北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。

• PIVOT: Iterative Visual Prompting Elicits Actionable Knowledge for VLMs
  2024/2/1
• Building Minimal and Reusable Causal State Abstractions for Reinforcement Learning
  2024/1/1
• Foundation Models in Robotics: Applications, Challenges, and the Future
  2023/12/1
• LOTUS: Continual Imitation Learning for Robot Manipulation Through Unsupervised Skill Discovery
  2023/11/1
• Model-Based Runtime Monitoring with Interactive Imitation Learning
  2023/10/1
• Interactive Robot Learning from Verbal Correction
  2023/10/1
• Open X-Embodiment: Robotic Learning Datasets and RT-X Models
  2023/10/1
• Cross-Episodic Curriculum for Transformer Agents
  2023/10/1
• Eureka: Human-Level Reward Design via Coding Large Language Models
  2023/10/1
• MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations
  2023/10/1
• Learning Generalizable Manipulation Policies with Object-Centric 3D Representations
  2023/10/1
• Deep Imitation Learning for Humanoid Loco-manipulation through Human Teleoperation
  2023/9/1
• Doduo: Learning Dense Visual Correspondence from Unsupervised Semantic-Aware Flow
  2023/9/1
• MUTEX: Learning Unified Policies from Multimodal Task Specifications
  2023/9/1
• Symbolic State Space Optimization for Long Horizon Mobile Manipulation Planning
  2023/7/1
• Granger Causal Interaction Skill Chains
  2023/6/1
• MimicPlay: Long-Horizon Imitation Learning by Watching Human Play
  2023/2/1
• Ditto in the House: Building Articulation Models of Indoor Scenes through Interactive Perception
  2023/2/1
• Robot Learning on the Job: Human-in-the-Loop Autonomy and Learning During Deployment
  2022/11/1
• VIOLA: Imitation Learning for Vision-Based Manipulation with Object Proposal Priors
  2022/10/1
• Learning and Retrieval from Prior Data for Skill-based Imitation Learning
  2022/10/1
• VIMA: General Robot Manipulation with Multimodal Prompts
  2022/10/1
• Learning to Walk by Steering: Perceptive Quadrupedal Locomotion in Dynamic Environments
  2022/9/1
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles
  2022/5/1
• ACID: Action-Conditional Implicit Visual Dynamics for Deformable Object Manipulation
  2022/3/1
• Ditto: Building Digital Twins of Articulated Objects from Interaction
  2022/2/1
• Visually Grounded Task and Motion Planning for Mobile Manipulation
  2022/2/1
• Adversarial Skill Chaining for Long-Horizon Robot Manipulation via Terminal State Regularization
  2021/11/1
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation
  2021/10/1
• Augmenting Reinforcement Learning with Behavior Primitives for Diverse Manipulation Tasks
  2021/10/1
• Bottom-Up Skill Discovery from Unsegmented Demonstrations for Long-Horizon Robot Manipulation
  2021/9/1
• What Matters in Learning from Offline Human Demonstrations for Robot Manipulation
  2021/8/1
• SECANT: Self-Expert Cloning for Zero-Shot Generalization of Visual Policies
  2021/6/1
• Discovering Generalizable Skills via Automated Generation of Diverse Tasks
  2021/6/1
• Synergies Between Affordance and Geometry: 6-DoF Grasp Detection via Implicit Representations
  2021/4/1
• Detect, Reject, Correct: Crossmodal Compensation of Corrupted Sensors
  2020/12/1
• Learning Multi-Arm Manipulation Through Collaborative Teleoperation
  2020/12/1
• Human-in-the-Loop Imitation Learning using Remote Teleoperation
  2020/12/1
• Hierarchical Planning for Long-Horizon Manipulation with Geometric and Symbolic Scene Graphs
  2020/12/1
• Emergent Hand Morphology and Control from Optimizing Robust Grasps of Diverse Objects
  2020/12/1
• Fast Uncertainty Quantification for Deep Object Pose Estimation
  2020/11/1
• Deep Affordance Foresight: Planning Through What Can Be Done in the Future
  2020/11/1
• robosuite: A Modular Simulation Framework and Benchmark for Robot Learning
  2020/9/1
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion
  2020/9/1
• Adaptive Procedural Task Generation for Hard-Exploration Problems
  2020/7/1
• Scaling Robot Supervision to Hundreds of Hours with RoboTurk: Robotic Manipulation Dataset through Human Reasoning and Dexterity
  2019/11/1
• 6-PACK: Category-level 6D Pose Tracker with Anchor-Based Keypoints
  2019/10/1
• KETO: Learning Keypoint Representations for Tool Manipulation
  2019/10/1
• Dynamics Learning with Cascaded Variational Inference for Multi-Step Manipulation
  2019/10/1
• SURREAL-System: Fully-Integrated Stack for Distributed Deep Reinforcement Learning
  2019/9/1
• DualSMC: Tunneling Differentiable Filtering and Planning under Continuous POMDPs
  2019/9/1
• Regression Planning Networks
  2019/9/1
• Continuous Relaxation of Symbolic Planner for One-Shot Imitation Learning
  2019/8/1
• Making Sense of Vision and Touch: Learning Multimodal Representations for Contact-Rich Tasks
  2019/7/1
• DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion
  2019/1/1
• RoboTurk: A Crowdsourcing Platform for Robotic Skill Learning through Imitation
  2018/11/1
• Making Sense of Vision and Touch: Self-Supervised Learning of Multimodal Representations for Contact-Rich Tasks
  2018/10/1
• Neural Task Graphs: Generalizing to Unseen Tasks from a Single Video Demonstration
  2018/7/1
• Learning Task-Oriented Grasping for Tool Manipulation from Simulated Self-Supervision
  2018/6/1
• Reinforcement and Imitation Learning for Diverse Visuomotor Skills
  2018/2/1
• Neural Task Programming: Learning to Generalize Across Hierarchical Tasks
  2017/10/1
• ADAPT: Zero-Shot Adaptive Policy Transfer for Stochastic Dynamical Systems
  2017/7/1
• Visual Semantic Planning using Deep Successor Representations
  2017/5/1