人事異動
公開された人事異動はありません。
論文
論文2026-10-06 · arXiv (Cornell University)
QF3: Fast Flow RL with Filtered Q-Gradients
- 何を
- 研究チームは、ロボットの行動方式を効率的に学習させる新しい強化学習アルゴリズムであるQF3を開発しました。
- 主な結果
- 従来の方法よりも約10倍速い速度で、ヒューマノイドロボットの移動および動作追跡ポリシーを学習できることを実証しました。
- 意味
- ロボットの行動制御技術をより速く、より効率的に学習・改善できる可能性を示しています。AI要約
論文2026-10-06 · arXiv (Cornell University)
Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
- 何を
- 人間のデモ動画を活用し、ビジョン・プランナーと強化学習トラッカーを通じて、ヒューマノイドロボットが物体を操作して移動する技術を開発しました。
- 主な結果
- 実機の Unitree G1 ロボットにおいて、箱の運搬、箱の把持、スーツケースを乗り越えるなどの複雑な全身操作を成功させました。
- 意味
- ロボットが人間の行動データに基づき、複雑な環境でバランスをとりながら物体を扱う能力を向上させることができることを示しています。AI要約
論文2026-10-02 · arXiv (Cornell University)
GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
- 何を
- 人間の手のように複数の指を持つロボットハンドが、物体を安定して把持し、所望の方向へ動かせるよう、異なるロボットや手の形状の間で共通して使用できる接触技術 GOTT を提案しました。
- 主な結果
- シミュレーションと実際のロボット実験において、GOTT は多様な物体、アーム・ハンドプラットフォーム、学習に使用されたことのない手の形状においても安定した接触を作り出し、あらかじめ決められた把持方式と比較して、全体のタスク成功率が一貫して向上したと報告されています。
- 意味
- 特定のロボットに依存しない共通の動作パーツを使用すれば、ロボットハンドの種類が変わっても同じ技術を再利用できる可能性を示した研究です。ただし、アブストラクトだけでは商用化の水準や実際の産業的効果を判断することは困難です。AI要約
論文2026-10-01 · arXiv (Cornell University)
Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
- 何を
- 人間の追加介入なしにロボットのタスクシステムを自律的に改善するRPGフレームワークを提案しました。
- 主な結果
- 22の操作タスクの新しい初期条件テストにおいて、成功率が初回の練習後の28.6%から15ラウンド後には95.0%に上昇し、実機ロボットの30回の試験すべてに成功しました。
- 意味
- ロボット制御ソフトウェアを人間の手直しを減らして改善できる可能性を示した研究ですが、実際の産業適用や商用化のレベルは抄録だけでは判断できません。AI要約
論文2026-09-30 · arXiv (Cornell University)
Tactile Curiosity Drives Robot Interaction
- 何を
- ロボットが触覚（物体に触れる感覚）に対する好奇心を育み、自ら物体に触れて掴む方法を習得できるようにする探索フレームワークTacExを提案しました。
- 主な結果
- アブストラクトによると、TacExはタスク報酬や専門家のデモンストレーションなしで接触の多いインタラクションデータを収集し、このデータを用いて追加の環境インタラクションなしでピック・アンド・プレースの方策を学習できるほか、視覚・言語・行動モデルの事後学習性能も向上させるとのことです。
- 意味
- 従来のロボット学習は空間内でランダムに動くことに多くの時間を費やしていましたが、接触を中心に探索すれば学習効率を改善できるという方向性を示しています。ただし、アブストラクトだけでは実用化の水準や商業化の可能性を判断することは困難です。AI要約
論文2026-09-29 · arXiv (Cornell University)
Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
- 何を
- 人間が物を運ぶ実際の動画数件をベースに、AIが多様な仮想動画を作成し、それをロボットの学習に活用する手法（PRISM）を提案しました。
- 主な結果
- このように学習した1つの制御ポリシーにより、実際のヒューマノイドロボットが現実世界での追加学習なしで、箱、ドラム缶、容器、ボールなどを掴んで運び、置くことに成功したと報告しています。
- 意味
- 大量の実際のロボットのデモデータを集めるのが難しい状況下で、少ない実際の動画から学習データを拡張できる可能性を示した点に意義があります。AI要約
論文2026-09-28 · The International Journal of Robotics Research
World model for robot learning: A comprehensive survey
- 何を
- 行動によって環境がどのように変化するかを予測するモデルである「ワールドモデル」を、ロボット学習の観点から体系的に整理したサーベイ（包括的レビュー）論文です。
- 主な結果
- 抄録によると、ワールドモデルがロボットポリシー、シミュレータ、評価、データ生成にどのように活用されているか、またロボットの動画ベースのワールドモデルの発展の歴史を整理し、代表的なデータセット・ベンチマーク・評価方法も要約されています。
- 意味
- 散在していたロボット学習研究のさまざまなアプローチを一つの枠組みにまとめた資料であり、関連研究の流れを把握するのに役立ちます。ただし、抄録は個別の技術の性能や商業的成果を証明するものではありません。AI要約
