Abbas Abdolmaleki
収録論文 30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
- EXIMO: VLMによるVLAポリシー探索のガイドVLA/強化学習2026/8/20
VLAポリシーの効率的なファインチューニング手法EXIMOを提案。VLMをプランナーとして使い、長期的なタスクを分解してデータ収集し、模倣学習とオフポリシーRLで最適化する。
- Gemini Robotics 1.5:高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げるVLA2025/10/1
異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。
- ゲーム開始:言語モデルを強化学習の実験者として活用するVLA2024/9/1
VLMを用いて強化学習の実験サイクルを自動化し、タスク提案・スキル分解・カリキュラム構築を行うエージェントアーキテクチャを提案した。
- オフラインActor-Critic強化学習の大規模モデルへのスケーリング強化学習2024/2/1
オフラインActor-Critic強化学習がTransformerなどの大規模モデルにスケールし、132の連続制御タスクで行動クローニングを上回ることを示した研究。
- 流体を含む剛体の実機制御のための深層強化学習sim2real2024/2/1
流体と剛体が相互作用する実機ベンチトップ実験系「Box o Flows」を構築し、モデルフリー強化学習やオフライン強化学習で複雑な制御行動を獲得できることを示した。
- 実機ロボットでの大規模反復強化学習による多様な形状の積み重ね習得マニピュレーション2023/12/1
実機ロボットの自己生成データのみを用い、オフポリシー学習とオンライン/オフライン反復スキームでデータ効率を高め、ピクセルから直接エンドツーエンドで多様な形状の積み重ねを学習した。
- 多目的方策最適化による強化学習における方策合成強化学習2023/8/29
既存の教師方策を追加の目的として多目的方策最適化に組み込み、エージェントが教師方策を逐次的・並列的に合成してタスクを解けるようにした研究。
- RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェントマニピュレーション2023/6/1
多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。
- ロボティクス領域における計画と高速学習のためのジャンピーモデルの活用モデルベース計画2023/2/1
ラベルなし経験からスキル埋め込みとマルチステップ予測モデルをオフライン学習し、計画や強化学習に活用して長期タスクのゼロショット汎化と学習高速化を実現した。
- SkillS: 効率的な時間拡張探索のための適応的スキルシーケンシング強化学習2022/11/1
既存の時間拡張スキルを探索のためにシーケンス化し、最終方策は生の経験から直接学習することで、迅速な適応と効率的なデータ収集を実現する手法を提案。
- ロボットの時間の使い方:視覚ベースのロボットマニピュレーションのためのキックスタートとオフライン強化学習の橋渡しマニピュレーション2022/5/1
教師ポリシーの行動分布と収集データを活用し、限られたオンライン試行予算で視覚ベースの積み重ねタスクを効率的に学習する2つの強化学習アルゴリズムを提案・比較した論文。
- オフポリシー強化学習におけるガウス混合批評家の再検討:サンプルベース手法強化学習2022/4/21
C51批評家のビン設定や値域の事前知識が不要なガウス混合分布批評家とサンプルベース損失を提案し、連続制御タスクで最先端性能を達成した。
- オフポリシーデータを用いたロボット生涯学習における忘却と不均衡強化学習2022/4/1
生涯学習RLで生じる「保守性と学習効率のトレードオフ」と「環境間データ不均衡による性能低下」を分析し、オンライン対話とオフライン蒸留を分離する手法で解決する。
- ピックアンドプレースを超えて:多様な形状の物体のロボット積み重ねへの挑戦マニピュレーション2021/10/1
複雑な形状の物体をロボットで積み重ねる課題に対し、強化学習と視覚ベースの対話型方策蒸留、sim2real転移を組み合わせた手法を提案し、実世界で多様な積み重ねスキルを実現した。
- モデルベース計画とプランナ償却の連続制御における評価モデルベースRL2021/10/1
モデル予測制御とモデルフリー方策学習を組み合わせ、難しい移動タスクでデータ効率と性能を評価し、計画計算を方策に蒸留できることを示した。
- マルチオブジェクティブ方策最適化による強化学習の改善:オフラインRLとファインチューニングの事例研究強化学習2021/6/1
強化学習の補助目的を多目的最適化問題として捉え、線形スカラー化に代わる新アルゴリズムDiMEを提案。オフラインRLとファインチューニングで既存手法を上回る性能を示した。
- シミュレーション人型サッカーにおける運動制御からチームプレーへマルチエージェント強化学習2021/5/1
物理シミュレーション上の人型アバターのチームにサッカーを学習させ、模倣学習・強化学習・集団訓練を組み合わせて、走るなどの低次運動からドリブルやチーム連携までを段階的に獲得させた研究。
- 「何を」解くかに焦点を当てた未把持ペグ挿入タスクのゼロからの学習マニピュレーション2020/10/1
自由に回転する非対称ペグを把持せずに挿入する高難度の劣駆動タスクを、補助制御と階層方策最適化を組み合わせたマルチタスク強化学習でシミュレーションと実機の両方でゼロから解決した。
- データ効率の良い後知恵オフポリシー・オプション学習強化学習2020/7/1
軌跡からオプション選択を推論し動的計画法の推論を逆伝播することで、全ポリシー構成要素をオフポリシーかつエンドツーエンドに学習するHO2を提案し、生ピクセル入力の3Dロボット操作タスクで有効性を示した。
- 多目的方策最適化の分布的アプローチ多目的強化学習2020/5/1
複数の競合する目的をスケール不変な選好で扱える多目的強化学習アルゴリズムを提案し、目的ごとの行動分布を学習してパラメトリック方策に統合、高次元ロボティクスタスクで有効性を示した。
- 成功した行動を続けよう:オフライン強化学習のための行動モデリング事前分布オフライン強化学習2020/2/1
オフライン強化学習において、過去に実行され成功しやすい行動へ方策を誘導するアドバンテージ重み付き行動モデル(ABM)を提案し、連続制御や実ロボットのマルチタスク学習で改善を示した。
- ハイブリッド制御のための連続・離散強化学習強化学習2020/1/1
離散行動と連続行動が混在するロボット制御問題を、両者を同時に最適化するハイブリッド強化学習でネイティブに解き、専門家ヒューリスティクスを排除する利点をシミュレーションと実機で示した論文。
- 強化学習による一般化力のモデリングでシミュレーションから実機への転移を実現sim2real2019/10/1
状態依存の一般化力を強化学習で最適化し、解析モデルを改良することで、わずか数分の実機データでsim-to-realの制御方策転移を改善するフレームワークを提案した。Sawyerロボットの非把持マニピュレーションで有効性を示した。
- 想像上の価値勾配:転移可能な潜在ダイナミクスモデルによるモデルベース方策最適化モデルベースRL2019/10/1
視覚と固有感覚から環境の予測モデルを学習し、想像上の軌跡に沿った価値勾配で方策を最適化することで、ロボット操作タスクへの転移を高速化する手法を提案した論文。
- 対称性を利用したデータ拡張による四足歩行ロボットの学習効率化歩行2019/10/1
四足歩行制御において、左右対称性などの対称変換で経験データを水増しし、actor-critic学習を高速化した研究。
- 階層強化学習における合成的転移階層強化学習2019/6/1
複数タスク間でデータを共有する階層的方策最適化手法RHPOを提案し、実機ロボットの積み木タスクでデータ効率と性能の大幅な向上を示した。
- 実機でボールインナカップを実現する視覚と特徴量に基づく制御方策の同時学習強化学習2019/2/1
訓練時のみ利用可能な特徴量を使う補助タスクを併用したマルチタスク強化学習により、実機ロボットで視覚ベースのボールインナカップ制御方策をシミュレーションからの転送や模倣学習なしでゼロから高速に学習できることを示した。
- 制約付きモデルフリー連続制御強化学習2019/2/1
ラグランジュ緩和を用いて、タスク達成を保証しつつ制御努力などの補助コストを最小化する制約ベース強化学習手法を提案し、滑らかな制御ポリシーを学習できることを示した論文。
- 最大事後確率方策最適化強化学習2018/6/1
相対エントロピー目的関数の座標上昇に基づく新しい強化学習アルゴリズムMPOを提案し、連続制御でサンプル効率と安定性に優れることを示した。
- 単調改善を保証するモデルフリー軌道ベース方策最適化強化学習2016/6/1
システムダイナミクスの線形近似を使わず、軌道データから学習した局所二次Q関数を逆伝播する方策最適化法を提案し、KL制約を厳密に満たしつつ単調改善を理論的に保証した。
