Aaron Gokaslan
収録論文 6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
- Galactic: 毎秒10万ステップで物体再配置を学習する大規模強化学習フレームワーク移動マニピュレーション2023/6/1
家庭内での移動マニピュレーションによる物体再配置タスクを、シミュレーションと強化学習を統合して毎秒10万ステップ超で学習できる高速フレームワークGalacticを提案し、50億ステップの大規模学習を実現した。
- 連続環境での指示誘導ナビゲーションのためのウェイポイントモデルナビゲーション2021/10/1
言語指示に従う連続環境ナビゲーション(VLN-CE)において、低レベル行動から連続ウェイポイント予測まで表現力を変えたモデルを比較し、実行時間と成功率のトレードオフを分析した上で、公開リーダーボードで成功率を4%向上させる新たな最先端を達成した。
- Habitat 2.0:家庭用アシスタントロボットの訓練プラットフォームsim2real2021/6/1
物理シミュレーション付き3D環境で家庭内の片付けや配膳などのタスクを解くロボットを訓練するためのデータ・シミュレータ・ベンチマークを提供し、強化学習と古典的パイプラインを比較した。
- ObjectNav再考:物体ゴールナビゲーションの評価指針物体ナビゲーション2020/6/1
未探索環境でラベル指定された物体を探して移動するObjectNavタスクについて、評価基準・エージェント身体仕様・環境特性の標準的な指針を整理し、CVPR2020のEmbodied AIワークショップでの実装例を示した合意文書。
- Sim2Real予測性:シミュレーション評価は実世界性能を予測できるかsim2real2019/12/1
同一コードをシミュレーションと実機で実行できるライブラリHaPyを開発し、PointGoalナビゲーションで9モデルの並行実験を行い、シミュレーション性能と実機性能の相関(SRCC)を定量化した。
- 目標パラメータ化による再標的可能な視覚運動スキルの学習視覚運動制御2019/10/1
目標をパラメータ化したニューラルネット方策として視覚運動スキルを学習し、未見の目標にもゼロショットで汎化できることをボタン押しやペグ挿入タスクで示した論文。
