論文
フィジカルAI関連の最新論文を、日本語のひとことで。原題は英語です。
最新論文: 2025/2/1 / arXivを3時間ごとに自動収集
📖 UMIデバイス・カタログ(日本語版)UMI式データ収集デバイスと主要データセットを日本語で俯瞰 →- 論文強化学習機械学習
拡散ポリシーのための効率的なオンライン強化学習
拡散ポリシーをオンライン強化学習で効率的に学習するため、損失関数を再重み付けしたReweighted Score Matchingを提案し、DPMDとSDACの2アルゴリズムを開発した。
原題: Efficient Online Reinforcement Learning for Diffusion Policy / Haitong Ma, Tianyi Chen, Kai Wang 他
日本語で読む → - 論文強化学習機械学習
非最適データからの連続制御学習:自己回帰ソフトQネットワーク
連続制御の強化学習において、Q値を粗から細への自己回帰的にモデル化し、非専門家のデモやオンラインデータなどの非最適データからでも効率的に学習できるARSQを提案した。
原題: Learning from Suboptimal Data in Continuous Control via Auto-Regressive Soft Q-Network / Jijia Liu, Feng Gao, Qingmin Liao 他
日本語で読む → - 論文強化学習ベンチマーク機械学習
記憶・ベンチマーク・ロボット:強化学習で複雑なタスクを解くためのベンチマーク
記憶を必要とする強化学習タスクの分類と、多様な場面で記憶能力を評価できる統一ベンチマークMIKASA、および卓上ロボット操作向けの32タスクを提案した。
原題: Memory, Benchmark & Robots: A Benchmark for Solving Complex Tasks with Reinforcement Learning / Egor Cherepanov, Nikita Kachaev, Alexey K. Kovalev 他
日本語で読む → - 論文マルチエージェント強化学習AI
無人水上車両のための生成AI強化型UAV・地上局協調MEC
無人水上車両を支援するため、UAVと地上局が協調するMECフレームワークを提案し、生成AIを組み込んだ異種エージェント強化学習でタスクオフロードとUAV軌道を最適化した。
原題: Generative AI-Enhanced Cooperative MEC of UAVs and Ground Stations for Unmanned Surface Vehicles / Jiahao You, Ziye Jia, Chao Dong 他
日本語で読む → - 論文制御×強化学習制御
深層Expected Sarsaと非線形時間差分学習を用いた収束型NMPCベース強化学習
NMPCの最適重みを強化学習で学習する手法を提案し、ニューラルネットで行動価値関数を近似して計算負荷を半減、さらに勾配時間差分法でパラメータの発散を防ぎ安定収束を実現した。
原題: Convergent NMPC-based Reinforcement Learning Using Deep Expected Sarsa and Nonlinear Temporal Difference Learning / Amine Salaje, Thomas Chevet, Nicolas Langlois
日本語で読む → - 論文安全強化学習機械学習
非線形システム制御のための安全な継続強化学習手法の設計
継続強化学習と安全強化学習を組み合わせ、非線形・非定常システムで安全性を保ちながら過去の知識を保持するための報酬整形手法を検討した論文。
原題: On the Design of Safe Continual RL Methods for Control of Nonlinear Systems / Austin Coursey, Marcos Quinones-Grueiro, Gautam Biswas
日本語で読む → - 論文強化学習ロボティクス
TDMPBC:自己模倣強化学習によるヒューマノイドロボット制御
強化学習において、タスクに関連する可能性のある軌道を自己模倣することで、ヒューマノイドロボットの制御性能を大幅に向上させるフレームワークSIRLを提案した。
原題: TDMPBC: Self-Imitative Reinforcement Learning for Humanoid Robot Control / Zifeng Zhuang, Diyuan Shi, Runze Suo 他
日本語で読む → - 論文強化学習/飛行制御機械学習
トンボ型タンデム翼実験機のためのConcert強化学習によるリアルタイム制御
トンボを模したタンデム翼実験機の複雑な空力制御に対し、古典制御と強化学習を組み合わせたCRL2RTアルゴリズムを提案し、2500Hz超のリアルタイム制御と追従性能の大幅な向上を実現した。
原題: Real Time Control of Tandem-Wing Experimental Platform Using Concerto Reinforcement Learning / Zhang Minghao, Yang Xiaojun, Wang Zhihe 他
日本語で読む → - 論文モデルベース強化学習機械学習
TD-M(PC)²: ポリシー制約による時間差分MPCの改善
モデルベース強化学習における価値過大評価問題を、プランナーと学習ポリシーの不一致に起因すると分析し、ポリシー正則化項でOODクエリを減らして価値学習を改善する手法を提案。
原題: TD-M(PC)$^2$: Improving Temporal Difference MPC Through Policy Constraint / Haotian Lin, Pengcheng Wang, Jeff Schneider 他
日本語で読む → - 論文飛行制御/強化学習ロボティクス
深層強化学習によるマルチロータ航空ロボットの運動制御
ドローンによる積層造形の運動制御に深層強化学習を適用し、DDPGとTD3をカリキュラム学習で比較した。TD3が質量変化のある状況でも安定して高精度・高成功率を達成した。
原題: Motion Control in Multi-Rotor Aerial Robots Using Deep Reinforcement Learning / Gaurav Shetty, Mahya Ramezani, Hamed Habibi 他
日本語で読む → - 論文強化学習/飛行制御ロボティクス
クアッドロータ低レベル制御のための同変強化学習フレームワーク
クアッドロータの動力学に含まれる回転・鏡映対称性を同変ネットワークに組み込み、少ないデータで効率的に低レベル制御を学習する強化学習手法を提案した。
原題: Equivariant Reinforcement Learning Frameworks for Quadrotor Low-Level Control / Beomyeol Yu, Taeyoung Lee
日本語で読む → - 論文ソフトロボティクス/強化学習ロボティクス
深層ニューラルネットワーク代理モデルを用いた水中ソフトフィンのひれ振動運動制御
水中ロボットのソフトフィン駆動において、DNN代理モデルをシミュレータとして強化学習を行い、実機の推力制御を高精度化した研究。
原題: Underwater Soft Fin Flapping Motion with Deep Neural Network Based Surrogate Model / Yuya Hamamatsu, Pavlo Kupyn, Roza Gkliva 他
日本語で読む → - 論文強化学習/経路計画機械学習
深層強化学習による短時間高高度気球の季節別定位置保持
深層Q学習を用いて、季節ごとに変化する風環境下で短時間高高度気球を目標領域に留める経路計画を訓練・評価し、予報スコアで風の多様性と成功率の関係を分析した。
原題: Seasonal Station-Keeping of Short Duration High Altitude Balloons using Deep Reinforcement Learning / Tristan K. Schuler, Chinthan Prasad, Georgiy Kiselev 他
日本語で読む → - 論文連続制御/強化学習機械学習
行動前に選択せよ:連続制御のための空間的に分離された行動反復
強化学習において、行動の各次元ごとに独立して「行動するか反復するか」を閉ループで選択する新フレームワークSDARを提案し、行動の持続性と多様性のバランスを改善した。
原題: Select before Act: Spatially Decoupled Action Repetition for Continuous Control / Buqing Nie, Yangqing Fu, Yue Gao
日本語で読む → - 論文強化学習/世界モデル機械学習
非キュレーション�データで世界モデルを導く効率的強化学習
報酬なし・品質混在・複数身体性の未整理データを世界モデルの微調整に活用し、経験リハーサルと実行ガイダンスでオンライン強化学習のサンプル効率を大幅に改善した。
原題: Efficient Reinforcement Learning by Guiding World Models with Non-Curated Data / Yi Zhao, Aidan Scannell, Wenshuai Zhao 他
日本語で読む → - 論文強化学習cs.SD
人間参加型強化学習による音楽生成
人間のフィードバックを取り入れた強化学習(HITL RL)と音楽理論を組み合わせ、ユーザーの好みを報酬として楽曲をリアルタイム生成する枠組みを提案した。
原題: Music Generation using Human-In-The-Loop Reinforcement Learning / Aju Ani Justus
日本語で読む → - 論文強化学習機械学習
進化戦略による強化学習でのTransformerの訓練
進化戦略を用いてDecision Transformerを強化学習で訓練し、MuJoCoやAtariで高性能なエージェントを生成できることを示した。
原題: Utilizing Evolution Strategies to Train Transformers in Reinforcement Learning / Matyáš Lorenc, Roman Neruda
日本語で読む → - 論文強化学習/プランニングAI
階層型目標条件付き方策プランニングによるマルチゴール強化学習
強化学習と自動プランニングを組み合わせ、短い目標条件付き方策を階層的に整理し、MCTSで高レベル行動を計画することで、サンプル効率と推論速度を向上させる枠組みを提案した。
原題: Proposing Hierarchical Goal-Conditioned Policy Planning in Multi-Goal Reinforcement Learning / Gavin B. Rens
日本語で読む → - 論文マルチエージェント強化学習機械学習
不確実環境下での知識転移を用いたマルチエージェント深層強化学習による適応的目標位置推定
複数のセンシングエージェントが協調して目標を探索・検出・到達可能性を判断するMADRL手法を提案し、到達不能時の位置推定に転移学習を活用した。
原題: Adaptive Target Localization under Uncertainty using Multi-Agent Deep Reinforcement Learning with Knowledge Transfer / Ahmed Alagha, Rabeb Mizouni, Shakti Singh 他
日本語で読む → - 論文交通制御/強化学習ロボティクス
強化学習による混合交通の効率最適化:トポロジー非依存アプローチとベンチマーク
自動運転車が収集したデータで人間運転車に影響を与え、多様な道路トポロジーで交通効率を最適化する強化学習手法を提案し、20カ国444シナリオの実世界混合交通ベンチマークを公開した。
原題: Optimizing Efficiency of Mixed Traffic through Reinforcement Learning: A Topology-Independent Approach and Benchmark / Chuyang Xiao, Dawei Wang, Xinzheng Tang 他
日本語で読む → - 論文マルチエージェント強化学習画像認識
CSAOT: 協調マルチエージェントによる能動的物体追跡システム
単一デバイス上で複数のエージェントが役割分担し、MADRLとMixture of Expertsで協調して能動的物体追跡の精度とロバスト性を高める手法を提案。
原題: CSAOT: Cooperative Multi-Agent System for Active Object Tracking / Hy Nguyen, Bao Pham, Hung Du 他
日本語で読む → - 論文マルチタスク強化学習機械学習
モデルベース強化学習エージェントにおける効率的なマルチタスク学習のための知識転移
大規模なマルチタスクモデルベース強化学習エージェントを蒸留し、1Mパラメータの小型モデルで高性能を実現する知識転移手法を提案。
原題: Knowledge Transfer in Model-Based Reinforcement Learning Agents for Efficient Multi-Task Learning / Dmytro Kuzmenko, Nadiya Shvai
日本語で読む → - 論文モデルベース強化学習ロボティクス
ロボット世界モデル:ロボティクスにおける堅牢な方策最適化のためのニューラルネットワークシミュレータ
複雑で部分的に観測可能な確率的ダイナミクスを捉える世界モデルを学習し、想像環境での効率的な方策訓練と実世界展開を可能にするフレームワークを提案。
原題: Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics / Chenhao Li, Andreas Krause, Marco Hutter
日本語で読む → - 論文安全フィルタ/強化学習制御
ベースに戻れ:到達回避安全フィルタによるハンズオフ学習に向けて
到達回避問題の価値関数から安全フィルタを構築し、ロボットが自律的に安全なリセットを行えるようにすることで、実世界強化学習のハンズオフ訓練を効率化する手法を提案。
原題: Back to Base: Towards Hands-Off Learning via Safe Resets with Reach-Avoid Safety Filters / Azra Begzadić, Nikhil Uday Shinde, Sander Tonkens 他
日本語で読む → - 論文強化学習/制御ロボティクス
カリキュラム学習によるクアッドロータのロバスト安定化のためのサンプル効率の良い強化学習
クアッドロータの安定化をエンドツーエンド強化学習で行う際、人間のカリキュラム学習に着想を得た3段階の学習カリキュラムを導入し、サンプル効率と収束時間を大幅に改善した。
原題: Curriculum-based Sample Efficient Reinforcement Learning for Robust Stabilization of a Quadrotor / Fausto Mauricio Lagos Suarez, Akshit Saradagi, Vidya Sumathy 他
日本語で読む → - 論文強化学習機械学習
人間整合型スキル発見:行動探索と整合性のバランス
人間のフィードバックを取り入れ、多様性と人間の価値観への整合性を同時に最適化するスキル発見フレームワークHaSDを提案し、安全で有用なスキルの発見を実現した。
原題: Human-Aligned Skill Discovery: Balancing Behaviour Exploration and Alignment / Maxence Hussonnois, Thommen George Karimpanal, Santu Rana
日本語で読む → - 論文説明可能強化学習AI
説明可能強化学習における人間被験者評価のための客観的指標
説明可能強化学習の評価で主観的指標に頼りがちな現状を改め、観察可能な行動に基づく客観的な人間評価手法を提案し、グリッド環境で実例を示した論文。
原題: Objective Metrics for Human-Subjects Evaluation in Explainable Reinforcement Learning / Balint Gyevnar, Mark Towers
日本語で読む → - 論文逆強化学習機械学習
抽象的状態を介した転移可能な報酬の逆学習
複数の異なる環境での行動軌跡から抽象的な報酬関数を逆強化学習で獲得し、未知の環境でもタスク行動を学習できることを示した。
原題: Inversely Learning Transferable Rewards via Abstracted States / Yikang Gui, Prashant Doshi
日本語で読む → - 論文安全強化学習機械学習
DIAL: 安全クリティカルシステムのためのマルチタスク制約の分布情報適応学習
複数タスクに共通する制約分布を模倣学習で獲得し、リスクレベルを調整して新しいタスクに適応することで、タスク固有の制約定義なしに安全な強化学習を実現する手法を提案した。
原題: DIAL: Distribution-Informed Adaptive Learning of Multi-Task Constraints for Safety-Critical Systems / Se-Wook Yoo, Seung-Woo Seo
日本語で読む → - 論文強化学習ロボティクス
制約を報酬として:報酬関数なしでロボットを強化学習する手法
報酬関数の設計を不要にするため、複数の制約関数でタスクを定式化し、ラグランジュ法で制約付き強化学習を解く「Constraints as Rewards」を提案し、六輪伸縮脚ロボットの起立動作生成で有効性を示した。
原題: Constraints as Rewards: Reinforcement Learning for Robots without Reward Functions / Yu Ishihara, Noriaki Takasugi, Kotaro Kawakami 他
日本語で読む →
PR・アフィリエイト広告
