Abhinav Agarwal
Massachusetts Institute of Technology
収録論文 5本 ・ フィジカルAI/ロボット学習
模倣学習sim2realロボット学習/汎化保証
※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
- デモンストレータのマルチモーダリティを明示的に捉え拡散ポリシーへ蒸留する手法模倣学習2026/11/7
同じ観測からデモンストレータをk回クエリするvine samplingで行動クローニングデータを収集し、拡散ポリシーがデモの多様な行動分布を再現できるようにする。
- ロボティクスにおけるオープンループ実行の再考:リアクティブで高性能なポリシーへ模倣学習2026/8/16
模倣学習で使われるオープンループ実行の利点を再検証し、長いコンテキストを持つポリシーではクローズドループの方が優れることを示した。
- 長いコンテキスト長での拡散ポリシーの訓練と評価模倣学習2026/6/1
ロボット操作の模倣学習において、観察履歴の長さ(コンテキスト長)がポリシーの性能に与える影響を詳細に調査し、長いコンテキストを効率的に学習する訓練手法を提案した。
- ピクセル入力による平面押しタスクにおける拡散ポリシーのシミュレーション・実機同時学習の実証分析sim2real2025/3/1
シミュレーションと実機のデータを同時に使って模倣学習をスケールさせる際の基本原則を、平面押しタスクで大規模に検証した。
- 生成モデルと実世界データを組み合わせたロボット学習のより強力な汎化保証ロボット学習/汎化保証2021/11/1
生成モデルをポリシーの事前分布として用い、実世界データセットでPAC-Bayes理論に基づき更新することで、未見環境への汎化を保証する枠組みを提案し、ドローン航行と把持タスクで有効性を示した論文。
