Alberto Dalla Libera
University of Padova
収録論文 19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
- 閉鎖環境における水中ビークル・マニピュレータシステムの階層型トポロジー認識計画と制御水中ロボット/計画・制御2026/8/1
水中ロボットアーム(UVMS)が狭く障害物の多い環境で作業するための、3層の階層的計画・制御フレームワーク「MANTA」を提案。通路の接続性、操作可能性、実行の安定性を考慮し、シミュレーションで高い成功率を達成した。
- 未知の不確かさを持つロボットマニピュレータのためのガウス過程に基づくロバスト制御マニピュレーション2025/7/1
ガウス過程回帰でモデル誤差を推定し、その分散に基づくロバスト項を加えたフィードバック線形化制御を提案。2自由度平面ロボットで漸近的な軌道追従を数値的に検証した。
- 非線形軌道最適化によるモデルベース強化学習の加速モデルベース強化学習2025/6/1
モデルベース強化学習MC-PILCOにiLQRを組み合わせ、探索軌道生成と方策初期化を行うことで、収束を加速し実行時間を最大45.9%削減した。
- モデルベース強化学習による劣駆動システムの大域制御学習モデルベース強化学習2025/4/1
MC-PILCOというモデルベース強化学習手法を用いて、ペンダボットとアクロボットの大域的な制御方策を学習し、RealAIGym競技会での優位性を示した論文。
- 大規模言語モデルを用いた実世界ロボットマニピュレーションのための自律強化学習に向けてマニピュレーション2025/3/1
GPT-4を使って自然言語のタスク記述から報酬関数と成功基準を自動生成し、シミュレーションで強化学習エージェントを訓練して実機ロボットに展開するパイプラインを提案した。
- ロバストな運動知能のための強化学習:第2回RealAIGym AIオリンピックからの教訓強化学習2025/3/1
IROS 2024で開催された二重振り子の振り上げ制御を競う競技会において、参加チームが提出した4種類の強化学習手法を実機で評価し、シミュレーションから実機への転移性や外乱に対するロバスト性を比較検討した。
- モデルベース強化学習によるデータ効率的なロボット投擲マニピュレーション2025/2/1
モデルベース強化学習フレームワークMC-PILOTを提案し、ロボットアームによる物体のピック・アンド・スローを少ないデータで高精度に実現、新しい目標位置への汎化も速いことを示した。
- モデルベース強化学習による劣駆動二重振り子の制御学習モデルベース強化学習2024/9/1
IROS 2024のAIオリンピック第2回大会に向けた、モデルベース強化学習アルゴリズムMC-PILCOを用いた劣駆動二重振り子の制御手法を提案・実装した。
- ロボットマニピュレータの未知の不確かさに対応する適応ロバスト制御器マニピュレーション2024/6/1
モデル不確かさの事前知識を必要とせずに補償できる新しい適応ロバストフィードバック線形化手法を提案し、収束性を理論的に証明した。シミュレーションで従来の不確かさ考慮手法と同等の性能を示した。
- ガウス過程回帰に基づくロボット逆動力学同定のためのブラックボックス物理情報推定器逆動力学/ガウス過程2023/10/1
ロボットの運動・位置エネルギーをガウス過程でモデル化し、ラグランジアン由来の多項式カーネルを用いて逆動力学を高精度・高データ効率で同定するブラックボックス手法を提案。
- データ駆動型逆動力学学習による順動力学推定ロボットモデリング2023/7/1
逆動力学モデルから慣性や重力などの物理成分を抽出し、順動力学を閉形式で推定する手法を提案。シミュレーションロボットで有効性を検証した。
- 速度計測なしの生位置データからのモデルベース強化学習制御モデルベース強化学習2023/1/1
速度が直接計測できない機械系に対し、過去の位置と入力からなる速度不要の状態表現とガウス過程回帰を用いたモデルベース強化学習法VF-MC-PILCOを提案し、シミュレーションと実機で有効性を示した。
- ブラックボックスガウス過程モデルに基づくフィードバック線形化による機械システムの制御制御2021/4/1
ガウス過程モデルを用いたフィードバック線形化による軌道追従制御を検討し、7自由度マニピュレータのシミュレーションで2つの制御戦略とカーネル選択を比較した。
- 部分観測系のためのモデルベース方策探索モデルベース強化学習2021/1/1
状態を直接観測できない系に対し、状態オブザーバを陽に考慮してガウス過程とモンテカルロ法で方策を最適化するモデルベース強化学習アルゴリズムを提案し、シミュレーションと実機で有効性を示した。
- モンテカルロ勾配推定によるモデルベース方策探索と実機応用モデルベース強化学習2021/1/1
ガウス過程でダイナミクスをモデル化し、モンテカルロ法で方策勾配を推定するモデルベース強化学習MC-PILCOを提案。シミュレーションと実機(フルータ振り子・ボールプレート)で有効性を検証した。
- 速度・加速度計測なしで動く物理系のモデルベース強化学習モデルベースRL2020/2/1
位置計測のみから過去の位置履歴を状態として用い、速度・加速度を必要としない物理に着想を得たカーネル付きガウス過程回帰でモデルを学習し、実機2台のRL制御で有効性を示した。
- 幾何学的着想に基づく多項式カーネルによるデータ効率の良いロボット逆動力学推定逆動力学/ガウス過程2019/4/1
逆動力学が多項式関数で表せる性質を利用し、剛体動力学を含む有限次元の再生核ヒルベルト空間を定義する新しいGIPカーネルを提案。ガウス過程回帰により、少ないデータで高精度かつ汎化性の高い逆動力学推定を実現した。
- 視覚データ時系列からのロボット運動構造分類ロボットモデリング2019/3/1
視覚観測から得た時系列データを用いて、ロボットのリンク列・関節種類・入力信号を同定する低計算コストなアルゴリズムを提案した。
- 円形迷路ナビゲーションのための半パラメトリックガウス過程による前向き力学モデル学習モデル学習2018/9/1
乾性摩擦や接触を含む円形迷路内のボール運動を、物理の基礎式に基づく基底関数を組み込んだ半パラメトリックガウス過程回帰でモデル化し、軌道最適化に用いてベンチマーク問題として提案した。
