人事異動
公開された人事異動はありません。
論文
論文2026-10-07 · arXiv (Cornell University)
Cross-Embodiment Robot Foundation World Models with Latent Actions
- 何を
- 多様な形態のロボット間で共有できる統合された潜在行動空間を活用するロボット世界モデルを開発しました。
- 主な結果
- 新しいロボットに適用する際、従来手法よりも精巧な操作タスクで最大46.7%、LIBERO性能評価で11.7%向上した性能を示しました。
- 意味
- 多様なロボット間の効率的な学習を可能にし、ロボット工学の主要な難題を解決することに寄与します。AI要約
論文2026-10-07 · arXiv (Cornell University)
RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
- 何を
- 仮想環境のロボットデータを現実環境のように見える映像に変換し、ロボットの制御能力を向上させる技術を開発しました。
- 主な結果
- この技術で学習したロボットは、現実環境で平均71パーセントの成功率を記録し、従来の手法よりも優れた性能を示しました。
- 意味
- 仮想環境で作ったデータを実際のロボットにそのまま適用することが難しかった視覚的な問題を緩和するのに役立ちます。AI要約
論文2026-10-06 · arXiv (Cornell University)
OpenWAM: An Open Framework for Composable World-Action Models
- 何を
- ロボット制御と未来映像予測を統合して扱う世界-行動モデルを比較・研究できるオープンソースフレームワーク「OpenWAM」を開発しました。
- 主な結果
- 提案手法によりロボット操作タスクの成功率が大幅に向上し、反事実データ学習を通じて動力学モデルの性能が改善されました。
- 意味
- 多様なロボット制御や映像予測手法を共通の基準で比較できる基盤を提供し、関連技術の研究効率を高めることができます。AI要約
論文2026-09-29 · arXiv (Cornell University)
T$^2$Mem: Learning Test-Time Memory for Robotics
- 何を
- 過去の観測情報を記憶する必要があるロボット操作タスクのために、記憶機能を持っていなかった事前学習済みロボットポリシーに、テスト時訓練（test-time training）によって記憶能力を追加するフレームワーク（T2Mem）を提案しました。
- 主な結果
- 16個の RoboMME タスクにおいて平均成功率が、記憶機能のないベースラインポリシーの 17.93% から 56.83% に向上し、ベンチマークで報告されたリカレント記憶手法を上回りました。
- 意味
- ロボットが現在の画面にない過去の情報を活用する能力を、外部記憶装置なしでデモンストレーションデータのみによって伸ばすことができる点を示したことに意義がありますが、アブストラクトは研究段階の結果のみを扱っているため、商用化や市場への効果は確認できません。AI要約
論文2026-09-28 · arXiv (Cornell University)
DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
- 何を
- 人間が撮影した一人称視点の動画1本と作業説明文を入力すると、物理的に実現可能なロボットの動作軌跡を作成し、ロボット学習用のデータを生成するエージェント型フレームワークを提案しました。
- 主な結果
- 現実環境の11の作業において、DexAgentが作成したデータで学習したポリシー（ロボットの行動ルール）が、比較基準となる手法よりも3.5倍高い成功率を示しました。
- 意味
- 人間のデモ動画をロボットの学習データに変換するプロセスを自動化する可能性を示していますが、アブストラクトだけでは実際の産業適用レベルや商用化の時期を判断することは困難です。AI要約
