A. Rupam Mahmood
収録論文 12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
- 実用的な転移制約下での強化学習アルゴリズムの適合性再考強化学習2026/7/1
転移指向の強化学習において、アルゴリズムの適合性をサンプル効率だけでなく、実時間効率とドメインランダム化への頑健性の観点から評価し、PPOがSACやTD-MPC2よりも実時間で高性能な方策を学習できることや、ドメインランダム化が異なるパラダイムのアルゴリズムに同様の影響を与えることを示した。
- 視覚ベースのロボット操作における強化学習の行動空間のベンチマーキングマニピュレーション2026/6/1
視覚ベースの物体把持と押し操作タスクにおいて、4種類の行動空間(位置増分、位置速度、関節位置増分、関節速度)をシミュレーションと実世界で比較し、関節速度が最も優れていることを示した。
- バッチ更新・ターゲットネットワーク・リプレイバッファ不要の深層方策勾配法強化学習2024/11/1
リプレイバッファやバッチ更新を使わず、最新サンプルのみで学習するインクリメンタルな深層方策勾配法AVGを提案し、実ロボットでの有効性を示した。
- 目標到達強化学習におけるスパース報酬の再検討強化学習2024/7/1
目標到達タスクにおいて、最小時間タスクとして定式化したスパース報酬が高品質な方策の学習を促進し、密報酬を上回ることを示し、初期方策の目標到達率が成功の早期指標となることを明らかにした。
- MaDi: 視覚深層強化学習の汎化のための妨害マスキング学習強化学習/汎化2023/12/1
報酬信号のみを用いて、タスクに無関係な視覚的妨害をマスクする軽量なMaskerネットワークを強化学習エージェントに追加し、未知環境への汎化性能を向上させた研究。
- 実世界ポリシー最適化におけるサイクルタイム調整コストの削減強化学習2023/5/1
強化学習の行動サイクルタイムを変えた際にハイパーパラメータを再調整する手間を減らすため、サイクルタイムに基づく新しいハイパーパラメータ設定法を提案し、実機ロボットタスクで有効性を示した。
- ローカルとリモート計算機を活用した視覚ベースロボティクスのリアルタイム強化学習強化学習/分散計算2022/10/1
ロボットに接続された非力なローカル計算機と強力なリモート計算機の間で強化学習の計算を分散させるReLoDシステムを実装し、SACとPPOの性能を視覚ベースの制御タスクで評価した。
- 実時間ロボット制御のための非同期強化学習強化学習/実機ロボット2022/3/1
ロボットアームの視覚タスクで、学習更新と環境相互作用を非同期化する強化学習システムを実装し、逐次処理との性能を実環境で比較した。学習コストが高い場合、非同期が適切な行動周期を維持し大幅に優れることを示した。
- 視覚サーボと運動学制御におけるニューラルヤコビアン手法の分析視覚サーボ2021/6/1
ニューラルネットワークで運動学ヤコビアンを近似する2手法(k近傍による線形近似と学習した順運動学モデルの微分)を比較し、実機で有効性を示した。
- 連続制御強化学習のための自己回帰方策強化学習2019/3/1
連続制御タスクの探索を改善するため、時間的に滑らかで標準正規分布に従う自己回帰確率過程に基づく方策を提案し、サンプル効率と実機での安全な動作を実証した。
- 実機ロボットでの強化学習アルゴリズムのベンチマーク強化学習ベンチマーク2018/9/1
複数の市販ロボットを用いた実機向け強化学習タスクを提案し、4つの代表的なアルゴリズムの学習性能とハイパーパラメータ感度を実機で評価した。
- 実機ロボットで強化学習タスクを構築するための指針sim2real2018/3/1
UR5ロボットアームで強化学習タスクを構築し、セットアップの詳細が学習性能や再現性に大きく影響することを示すとともに、実機での信頼性の高い実験を可能にする改善策を提案した。
