Abhishek Gupta
University of Washington
収録論文 88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
- 人間介入からの楽観的探索によるロボット学習Q-OIL強化学習/人間介入2026/11/5
実ユーザーの介入行動を分析し、進捗停滞時に介入し修正は非最適という傾向をモデル化。介入遷移に楽観的ボーナスを与え人間の修正へ探索を誘導するQ-OILを提案し、シミュレーションと実機で成功率を10-50%向上させた。
- 記述と評価の分離でVLMをゼロショット報酬モデル化するD&AVLM報酬モデル2026/11/2
VLMによるロボット動画の進捗推定を『客観的な記述』と『ルーブリック評価』に分離し、確認バイアスを抑えて失敗を正しく罰するゼロショット報酬モデルを実現した。
- 非対称オンポリシー蒸留による文脈内探索の学習模倣学習2026/10/21
部分観測下で学生が自身の履歴に基づき収集したデータに特権専門家の行動をラベル付けして蒸留し、強化学習なしでテスト時の探索行動を学習する手法を提案。
- バランスの取れたデータダイエット：ロボット制御のための超大規模強化学習における探索ボトルネックの解消強化学習2026/10/8
強化学習の大規模並列シミュレーションにおいて、ポリシーの能力の限界付近のタスク設定に学習を集中させる適応的サンプリング手法を提案し、四足歩行などの難タスクを効率的に学習できるようにした。
- 双線形フローポリシー：目標条件付き視覚運動模倣のための分布的外挿模倣学習2026/10/5
未見の目標に対しても多峰性を保ちながら外挿できるよう、アンカー検索と双線形条件付きフローを組み合わせた視覚運動模倣ポリシーを提案し、シミュレーションの操作タスクで分布外成功率を大幅に改善した。
- 世界モデルによる汎化可能なロボット挿入マニピュレーション2026/9/23
手首カメラの視覚と固有感覚を統合した単一の世界モデルを最大90の挿入タスクで訓練し、未知形状の物体へのゼロショット挿入を実現した研究。
- 幾何変動下におけるロボット挿入の視覚的sim-to-real学習：鉄筋設置への応用sim2real2026/9/17
鉄筋挿入タスクを対象に、手続き的生成とドメインランダム化を用いた視覚ベースのsim-to-real学習システムを構築し、実機で91.3%の成功率を達成した。
- 潜在記憶宮殿：制御のための推論を自己回帰変分推論として捉える制御/強化学習2026/7/1
連続制御ポリシーに適応的な推論能力を持たせるため、自己回帰潜在空間での変分推論として推論を定式化し、潜在空間強化学習で変分下界を最適化する手法を提案した。
- 模倣学習のための差分認識検索ポリシー模倣学習2026/6/8
模倣学習の汎化性能を向上させるため、推論時に訓練データを再利用する半パラメトリックな検索ベース手法DARPを提案。局所近傍構造に基づいて行動を予測し、連続制御やロボット操作で標準的な行動クローニングより15-46%性能が向上した。
- サポート制約付きRLによる実世界経験なしの実世界ポリシー改善強化学習2026/6/1
実データで事前学習したポリシーをシミュレーション内でRLにより改善する際、生成ポリシーのサポートに制約を課すことで、転移可能な行動を保証しつつ性能を向上させる手法SCOREを提案。8つの器用な多指操作タスクで成功率を大幅に改善した。
- TMRL: 拡散タイムステップ変調による事前学習が効率的なポリシー微調整のための探索を可能にするロボット学習/強化学習2026/5/1
ロボットポリシーの事前学習と強化学習による微調整を橋渡しする統一フレームワークを提案。事前学習時に拡散ノイズを注入し、微調整時にタイムステップを動的調整することで探索を制御し、複雑な操作タスクの実機微調整を1時間以内で成功させる。
- OGPO: 生成制御ポリシーのサンプル効率的な完全ファインチューニングロボット学習2026/5/1
拡散やフローベースの生成制御ポリシーを、オフポリシーな批判ネットワークとPPO目的関数を用いて効率的にファインチューニングする手法OGPOを提案し、操作タスクで最先端の性能を達成した。
- 多様なリセットと大規模強化学習による創発的な器用さ器用操作/強化学習2026/3/1
シミュレータのリセットを多様化して強化学習に様々なロボットと物体の相互作用を経験させることで、単一の報酬関数と固定ハイパーパラメータで長時間の器用な操作タスクを解くフレームワークOmniResetを提案した。
- シミュレーション蒸留：実世界への迅速な適応のためのシミュレーションでのワールドモデル事前学習ワールドモデル/sim2real2026/3/1
物理シミュレータから得た行動条件付き経験をワールドモデルに蒸留し、実世界ではエンコーダ等を固定して潜在ダイナミクスのみを更新することで、接触を伴う操作や歩行タスクで迅速な適応を実現する手法を提案した。
- Robometer：軌道比較による汎用ロボット報酬モデルのスケーリング報酬モデリング2026/3/1
軌道内の進捗監督と軌道間の選好監督を組み合わせた報酬モデルを提案し、100万軌道のデータセットで学習することで、汎用性の高い報酬関数を実現した。
- 残差フロー誘導による強化学習：器用なマニピュレーションのための適応手法マニピュレーション2026/2/1
事前学習済みのフローマッチング方策を、残差行動と潜在ノイズ分布を同時最適化する強化学習で微調整し、器用なマニピュレーションを効率的に適応させる手法を提案。
- SPARR: 実世界の非対称残差を組み合わせたシミュレーション方策による組立sim2real2026/2/1
シミュレーションで訓練した基本方策と実世界で学習する残差方策を組み合わせ、sim-to-realギャップを埋めて組立タスクの成功率とサイクルタイムを改善した手法。
- Point Bridge: クロスドメイン方策学習のための3D表現sim2real2026/1/1
VLMで抽出した点群表現とTransformer方策を用い、合成データのみで実世界マニピュレーションのゼロショットsim-to-real転移を実現するフレームワーク。
- PolaRiS: 汎用ロボットポリシーのためのスケーラブルな実世界→シミュレーション評価sim2real2025/12/1
実世界の短い動画スキャンからニューラル再構成で高忠実度なシミュレーション環境を構築し、汎用ロボットポリシーを実世界と強く相関する形で評価できるようにしたフレームワーク。
- 意味論的ワールドモデルVLA2025/10/1
未来のピクセルを再構成する代わりに、タスクに関連する意味情報を視覚的質問応答として予測するワールドモデルを提案し、VLMを活用してロボット制御の汎化性能を向上させた。
- ロボティクスにおけるリアルギャップ：課題・解決策・ベストプラクティスsim2real2025/10/1
シミュレーションと実環境の差異（リアルギャップ）の原因・解決手法・評価指標を体系的に整理したサーベイ。sim-to-real転移の現状と課題を概観する。
- Refinery: 接触の多いタスク向け能動的ファインチューニングと展開時最適化マニピュレーション2025/10/1
ベイズ最適化によるファインチューニングとGMMベースの初期化選択で、接触の多い組立タスクの成功率を91.51%まで向上させ、多部品の長期組立も可能にした。
- 非専門家データを活用したオフライン強化学習による模倣学習のロバスト化模倣学習/オフライン強化学習2025/10/1
非専門家データ（プレイデータや不完全なデモ）をオフライン強化学習で活用し、模倣学習ポリシーの回復性と汎化性能を高める手法を提案。
- VAMOS：能力に応じて調整可能な階層型視覚-言語-行動モデルによる誘導可能なナビゲーションナビゲーション2025/10/1
意味的計画と身体性の接地を分離した階層型VLAを提案し、車輪・脚型ロボット間のクロス身体性ナビゲーションと自然言語による誘導を実現した。
- PEEK: ロボットマニピュレーションポリシーのゼロショット汎化のための誘導と最小画像表現マニピュレーション2025/9/1
VLMを使ってエンドエフェクタ経路とタスク関連マスクを予測し、ポリシーに必要な最小限の手がかりを与えることで、シミュレーションのみで訓練したポリシーの実世界ゼロショット汎化を大幅に向上させる手法を提案。
- VLMをロボット向けに：低レベル手順推論の自己批判的蒸留VLA2025/7/1
小さな視覚言語モデルが外部教師なしで自己批判・修正・検証を繰り返し、ロボット実行可能な手順計画を生成する自己改善フレームワークを提案。
- 拡散ポリシーを潜在空間強化学習で操縦するVLA2025/6/1
拡散ポリシーの潜在ノイズ空間に強化学習を適用し、実世界で効率的に自律適応させる手法DSRLを提案。
- ATK: タスク駆動型キーポイント自動選択によるロバストな方策学習模倣学習2025/6/1
タスクに応じて画像中の2Dキーポイントを自動選択し、それを用いて模倣学習を行うことで、sim-to-real転移や実世界タスクにおけるロバストな方策を実現する手法を提案。
- RoboArena：汎用ロボットポリシーの分散型実世界評価ロボット評価/ベンチマーク2025/6/1
評価者ネットワークが自由にタスクと環境を選び、ペア比較の二重盲検評価を集約することで、汎用ロボットポリシーをスケーラブルかつ公平にランキングする手法を提案し、7機関・600以上の実機評価で有効性を示した。
- DRAWER: 実環境のリアリズムを備えたデジタル再構築と関節構造の再現sim2real2025/4/1
室内シーンの動画から、細部まで再現されたフォトリアルで操作可能なデジタル環境を自動生成するフレームワークを提案し、ゲーム制作やロボティクスのsim-to-real転移に応用した。
- 統合ワールドモデル：大規模ロボットデータセットの事前学習に向けた動画と行動の拡散の結合VLA2025/4/1
行動拡散と動画拡散を単一のトランスフォーマーに統合し、拡散タイムステップを制御することで政策・順動力学・逆動力学・動画生成を柔軟に表現できるUWMを提案。大規模マルチタスクデータでの事前学習と行動なし動画からの学習を可能にした。
- SRSA: ロボット組立タスクのためのスキル検索と適応マニピュレーション2025/3/1
既存のスキルライブラリから新タスクに最も適したスキルを検索し、微調整することで、接触の多い組立タスクをデータ効率的に学習するフレームワークを提案。
- シミュレーション誘導ファインチューニングによる実世界への迅速な適応sim2real2025/2/1
シミュレータで学習した価値関数を実世界の探索に活用し、少ない実データで巧みな操作タスクへ適応させる手法を提案。
- HAMSTER: オープンワールドロボット操作のための階層型行動モデルVLA2025/2/1
高レベルVLMが粗い2D経路を予測し、低レベル3D制御ポリシーが精密操作を行う階層型VLAモデルを提案。非ドメインデータを活用し、実機でのオープンワールド汎化を実現する。
- STRAP: 拡張方策学習のためのロボットサブ軌道検索模倣学習2024/12/1
大規模なロボットデータからサブ軌道単位で関連データを検索し、テスト時に方策を適応的に学習する手法を提案。
- 超線形スケーリングを実現するロボット学習sim2real2024/12/1
クラウドソーシングで実世界シーンのデジタルツインを収集し、シミュレーション上で強化学習とモデル生成デモを組み合わせて、人間の労力に対して超線形的に性能が向上するデータ収集・学習パイプラインを提案。
- Sim-to-Realギャップの克服：探索方策の学習による実世界強化学習の効率化sim2real2024/10/1
シミュレータで直接方策を学習するのではなく、探索方策を学習して実世界に転移することで、サンプル効率を指数関数的に改善できることを理論と実験で示した。
- 意味的に制御可能な拡張による汎化可能なロボット学習sim2real2024/9/1
画像テキスト生成モデルをデータ拡張に活用し、ロボット操作データを多様化することで、未見の実環境への汎化を可能にする学習フレームワークを提案した。
- 変分選好学習による人間フィードバック強化学習の個人化RLHF2024/8/1
ユーザーごとの潜在変数を推論し、多様な選好に対応するマルチモーダルRLHF手法を提案。シミュレーションと言語データで報酬精度の向上を実証。
- 連続性に基づく修正ラベルによるデータ効率的な微細マニピュレーションの模倣学習マニピュレーション2024/5/1
接触を伴う微細な操作タスクにおいて、実演データのみから局所連続なダイナミクスモデルを学習し修正ラベルを生成することで、模倣学習の誤差蓄積を軽減し、特に低データ領域で性能を向上させる手法を実機検証した。
- URDFormer: 実世界画像から関節構造を持つシミュレーション環境を構築するパイプラインsim2real2024/5/1
実世界の画像から関節構造や物理特性を推定し、シミュレーションシーンを自動生成するURDFormerを提案。テキストから画像生成モデルを活用して学習データを生成し、大規模でリアルなシーン構築を可能にした。
- Rank2Reward: 受動的動画から整形報酬関数を学習模倣学習2024/4/1
タスク実行の動画からフレームの時間的順序を学習し、強化学習のための整形報酬関数を推論する手法を提案。
- ASID: ロボットマニピュレーションにおけるシステム同定のための能動的探索マニピュレーション2024/4/1
少量の実世界データを用いてシミュレータを自律的に改良し、正確な制御戦略を計画する学習システムを提案。
- シミュレーションで現実を再現する：実世界からシミュレーションを経て実世界に戻るロバストマニピュレーション手法マニピュレーション2024/3/1
少量の実世界データからデジタルツインを構築し、強化学習で模倣学習ポリシーをロバスト化するreal-to-sim-to-realパイプラインを提案。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- SERL: サンプル効率の高いロボット強化学習のためのソフトウェアスイート強化学習2024/1/1
実世界でのロボット強化学習を効率的に行うためのライブラリを開発し、PCB組み立てやケーブル配線などのタスクで25〜50分の訓練で高い成功率を達成した。
- 万能視覚分解器：長期的操作を簡単にマニピュレーション2023/10/1
事前学習済み視覚表現を用いて、視覚デモンストレーションからサブゴールを自動検出し、長期的操作タスクの学習と汎化を容易にする手法を提案。
- RoboHive：ロボット学習のための統合フレームワークロボット学習2023/10/1
多様なロボット学習環境を統一インターフェースで提供し、模倣学習や強化学習などの研究を容易にするソフトウェア基盤を構築した。
- CCIL: 連続性に基づくデータ拡張による修正模倣学習模倣学習2023/10/1
専門家データから局所連続性を利用した動力学モデルを構築し、修正ラベルを生成して模倣学習のロバスト性を高める手法を提案。
- 非同期な人間フィードバックを用いた自律ロボット強化学習強化学習2023/10/1
遠隔ユーザーからの時折の非同期フィードバックを活用し、リセット不要で実世界環境においてロボットが継続的に自律学習するシステムGEARを提案した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- REBOOT: 実世界の巧みな操作を効率的にブートストラップするためのデータ再利用マニピュレーション2023/9/1
サンプル効率の良い強化学習とリプレイバッファのブートストラップを組み合わせ、過去のタスクのデータを再利用して実世界の多指ハンド操作スキルを効率的に学習するシステムを提案。
- 人間支援型言語プランナーによる生涯ロボット学習VLA2023/9/1
LLMベースのプランナーが新しいスキルを問い合わせ、人間の支援を受けてロボットに効率的に教え込み、獲得したスキルを将来のタスクで再利用できる生涯学習フレームワークを提案した。
- RePo: 事後予測可能性の正則化による堅牢なモデルベース強化学習モデルベース強化学習2023/9/1
視覚モデルベース強化学習において、観測から潜在表現への情報流を制約することで背景の乱れに強い表現を学習し、さらに報酬なしのアライメントでテスト時適応を可能にした手法を提案。
- ゴールへの道しるべ：人間参加型フィードバックによる目標条件付き探索強化学習/探索2023/7/1
非専門家からの低品質で非同期なフィードバックを活用し、報酬設計なしでロボットの探索と方策学習を実現するHuGEを提案。シミュレーションと実機の多段階ナビ・操作タスクで有効性を示した。
- 勾配で不確実性に挑む：拡散スコアマッチングによるオフライン強化学習オフライン強化学習2023/6/1
データへの平滑化距離を不確実性指標として用い、その勾配をスコアマッチングで直接学習することで、高次元オフライン強化学習における一次法プランニングを可能にするSGPを提案した論文。
- ランダム特徴を用いた自己教師あり強化学習によるタスク間転移強化学習2023/5/26
ランダムな報酬で自己教師あり事前学習したモデルフリー強化学習により、長期的な環境ダイナミクスを暗黙的にモデル化し、新しい報酬関数のタスクへ迅速に適応する手法を提案。
- 強化学習によるチェリーピッキング：不安定条件下でのロバストな動的把握マニピュレーション2023/3/1
箸を使った細かい操作を強化学習で実現し、空中で揺れる小さな物体をほぼ100%の成功率で把持するシステムCherryBotを開発した。
- 触覚のみで物体を探索・把持するTactoFind触覚2023/3/1
視覚を使わず、指先の触覚センサのみで未知物体の位置推定・識別・把持を行うシステムを提案。
- GenAug: 生成的拡張による未見状況への行動再ターゲティングマニピュレーション2023/2/1
画像テキスト生成モデルを意味的データ拡張に活用し、実世界のロボット操作タスクにおける方策の汎化性能を40%向上させるシステムを提案。
- 振り子駆動型球体ロボットの動力学モデリングとぐらつき・歳差運動の解析球体ロボット2023/1/1
振り子で駆動する球体ロボットの非線形動力学モデルを構築し、旋回時のぐらつきと歳差運動を解析した。
- 振り子駆動型球体ロボットのぐらつき制御球体ロボット制御2023/1/1
振り子駆動型球体ロボットの低速走行時に生じる横揺れ（ぐらつき）を、モデルベースの制御器で抑制し、カメラ映像の安定化を図った研究。
- 画像からの巧みな操作：サブステップ誘導による実世界自律強化学習マニピュレーション2022/12/1
ユーザーが画像で中間サブタスクを指定するだけで、多指ハンドロボットが実世界で複雑な操作タスクを自律的に強化学習できるシステムを提案した。
- 暗黙的形状拡張による頑健な実世界巧みな把持ポリシーの学習マニピュレーション2022/10/1
少数の人間の把持実演から、対応関係を考慮した暗黙的生成モデルで物体メッシュと把持を変形し、多様な新規物体の把持データセットを生成して、実世界で使える頑健な把持ポリシーを学習する手法を提案。
- 教師あり学習による航空機の機動状態予測飛行制御2022/6/1
緯度・経度・高度の情報から航空機の機動状態を二値分類で予測する手法を提案し、線形・距離指標・判別分析・ブースティングなどの教師あり学習手法を比較評価した。
- デモンストレーションで初期化したマルチタスク強化学習による自律練習マニピュレーション2022/3/1
事前データでマルチタスク強化学習をブートストラップし、リセットを最小限に抑えつつロボットが自律的に練習して長期的なタスクを解けるようにした研究。
- 自律強化学習：形式化とベンチマーク強化学習2021/12/1
試行間のリセットを人間が行わない自律的な強化学習の枠組みを定式化し、多様なタスクを含むシミュレーションベンチマークEARLを提案した論文。既存手法が介入最小化で苦戦することを示す。
- サブゴールカリキュラムによる自律強化学習強化学習2021/7/1
毎試行のリセットを不要にし、初期状態のカリキュラムを自動生成してエージェントが容易なタスクから難しいタスクへと学習できるVaPRLを提案した論文。
- MURAL: 成果駆動型強化学習のためのメタ学習による不確実性考慮型報酬強化学習2021/7/1
成功例から報酬を自動学習する際、不確実性を考慮した分類器をメタ学習で構築し、探索と目標誘導を両立させる手法を提案した論文。
- 実世界で完全自律的に学ぶ移動マニピュレーションの強化学習移動マニピュレーション2021/7/1
環境への特別な計測装置や人の介入なしに、実世界のロボットがナビゲーションと把持を組み合わせた部屋の片付けスキルを約40時間の自律学習で獲得する手法ReLMMを提案した。
- マルチタスク学習によるリセット不要強化学習：人手介入なしで器用な操作行動を獲得マニピュレーション2021/4/1
複数のタスクを組み合わせて互いにリセットの役割を果たさせることで、人間の介入やエピソードリセットなしに器用なマニピュレーション行動を強化学習で獲得する手法を提案した論文。
- AWAC: オフラインデータでオンライン強化学習を加速する強化学習2020/6/1
オフラインデータを活用してオンライン強化学習を効率化するAWACを提案し、サンプル効率の良い動的計画法と最尤方策更新を組み合わせて迅速な微調整を実現した。
- 実世界ロボット強化学習の構成要素マニピュレーション2020/4/1
人手を介さず実世界データだけで継続的に自律学習できるロボット強化学習システムを提案し、三本指ハンドの器用な操作タスクで有効性を示した。
- マルチタスク学習のための勾配外科手術マルチタスク学習2020/1/1
マルチタスク学習でタスク間の勾配が干渉する問題を特定し、競合する勾配を射影で取り除く手法を提案して効率と性能を改善した。
- 強化学習とORCA制約による一般非線形エージェントの相互衝突回避群制御2019/10/1
2エージェントの衝突回避を強化学習で学習し、ORCAの線形制約と凸最適化で多エージェントに拡張することで、速度直接制御に依存せず一般非線形エージェントの安全な衝突回避を実現した。
- リレーポリシー学習：模倣と強化学習による長期タスクの解決マニピュレーション2019/10/1
模倣学習でゴール条件付き階層ポリシーを生成し、強化学習で微調整することで、キッチン環境の多段階・長期マニピュレーションタスクを解く手法を提案した。
- ROBEL: 低コストロボットによる実世界強化学習のためのベンチマーク強化学習ベンチマーク2019/9/1
実世界での強化学習研究を加速するため、低コストで頑丈な3本指ハンドロボットと4脚ロボット、および各ロボット向けの連続制御ベンチマークタスク群を公開した論文。
- 連合型メタ方策探索メタ強化学習2019/4/1
各タスクをオフポリシー学習で解き、その解を模倣して単一のメタ学習器に統合することで、メタ強化学習のサンプル効率を大幅に改善する手法を提案した。
- Soft Actor-Critic：最大エントロピー強化学習アルゴリズムとその応用強化学習2018/12/1
最大エントロピーRLに基づくオフポリシー型アクター・クリティック法SACを改良し、温度パラメータの自動調整などを導入してサンプル効率と安定性を向上、四足歩行や巧みな手の操作でも有効性を示した。
- 深層強化学習による器用な多指マニピュレーション：効率的・汎用的・低コストマニピュレーション2018/10/1
シミュレーションを使わず実世界でモデルフリー深層強化学習を直接訓練し、低コスト多指ハンドで接触の多い複雑な操作スキルを4〜7時間で学習できることを示した。少数の人間デモで学習を2〜3時間に短縮できることも実証した。
- 多様性こそがすべて：報酬関数なしでスキルを学ぶ教師なし強化学習2018/2/1
報酬関数を使わずに情報理論的目的関数を最大化することで、歩行やジャンプなど多様なスキルを教師なしで獲得する手法DIAYNを提案した論文。
- 深層強化学習とデモンストレーションによる複雑な器用マニピュレーションの学習マニピュレーション2017/9/1
24自由度の多指ハンドで複雑な操作タスクをモデルフリー深層強化学習でゼロから学習し、少数の人間デモンストレーションを併用することでサンプル効率とロバスト性を大幅に改善した。
- 観察からの模倣：文脈変換による生動画からの行動学習模倣学習2017/7/1
人間の動画をそのまま観察し、視点や環境の違いを文脈変換で補正しながら動画予測と強化学習でロボットの行動を学習する手法を提案した。
- 低コストロボットプラットフォームの研究活用と実践的教訓ロボットプラットフォーム2017/5/1
低コスト・オープンソースのEvoBotを様々なロボティクス研究に適用し、自己位置推定・リアルタイム制御・群合意・経路計画の4タスクを通じて理論と実装の乖離や失敗例、その解決策を整理した。
- 不変特徴空間の学習による強化学習スキル転送強化学習2017/3/1
形態の異なるエージェント間で強化学習の知識を転送するため、両者が学習したスキルから不変特徴空間を獲得し、他のスキル転送に活用する手法を提案した。
- 経験と模倣から器用な操作ポリシーを学習するマニピュレーション2016/11/1
五本指ロボットハンドの非把持操作について、軌道最適化と人間のデモンストレーションで局所制御器を構築し、深層学習と最近傍法で初期状態の汎化を比較した研究。
- マルチタスク・マルチロボット転移のためのモジュール型ニューラルネットワーク方策の学習転移学習2016/9/1
ニューラルネット方策をタスク固有モジュールとロボット固有モジュールに分解し、未学習のロボットとタスクの組み合わせでもゼロショットで汎化できる転移学習手法を提案した。
- 人の実演からソフトロボットハンドの巧みな操作を学習学習 from 実演/ソフトロボティクス2016/3/1
人間が物体を動かす実演を対象中心に記録し、強化学習でソフトハンドが模倣できるよう、実現可能な実演の選択・混合とguided policy searchを拡張した手法を提案した。
