Alex Irpan
収録論文 16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
- ロボット憲法の生成と意味的安全性のためのベンチマーク安全性2025/3/1
視覚言語モデルを搭載したロボットの意味的安全性を評価する大規模ベンチマークASIMOVを公開し、実世界データからロボット憲法を自動生成する枠組みを提案した。
- STEER: 密な言語グラウンディングによる柔軟なロボットマニピュレーションマニピュレーション2024/11/1
自然言語で表現された基本的な操作スキルを密なアノテーションで学習し、それらを組み合わせて未見の状況や新規タスクに適応できるロボット学習フレームワークSTEERを提案。
- AutoRT: ロボットエージェントの大規模オーケストレーションのための身体性基盤モデルVLA2024/1/1
視覚言語モデルと大規模言語モデルを活用し、多様なロボット群に指示を生成して実世界データを大規模収集するシステムAutoRTを提案。
- 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。
- Q-Transformer:自己回帰的Q関数によるスケーラブルなオフライン強化学習オフライン強化学習2023/9/1
TransformerでQ関数を自己回帰的に表現し、大規模オフラインデータからマルチタスク方策を学習する手法を提案。実世界の多様なロボット操作タスクで既存手法を上回る性能を示した。
- RT-2: 視覚言語行動モデルによるウェブ知識のロボット制御への転移VLA2023/7/1
ウェブ規模の視覚言語モデルをロボット軌道データと共にファインチューニングし、行動をテキストトークンとして扱うことで、未知物体への汎化や意味的推論を可能にするVLAモデルRT-2を提案した。
- RT-1: 実世界制御のための大規模ロボティクストランスフォーマーVLA2022/12/1
多様なロボットデータで訓練したTransformerモデルRT-1を提案し、実世界タスクにおけるデータ量・モデル規模・データ多様性に対する汎化性能を大規模実験で検証した。
- 言う通りでなく、できる通りに:ロボットのアフォーダンスに言語を接地するVLA2022/4/1
大規模言語モデルの高レベル知識と事前学習済みスキルの価値関数を組み合わせ、実世界で実行可能な行動に言語を接地させる手法を提案し、実機タスクで有効性を示した。
- BC-Z: ロボット模倣学習によるゼロショットタスク汎化模倣学習2022/2/1
言語や動画で条件付けできる模倣学習システムを構築し、100以上のタスクで学習して未見の24タスクを実演なしで平均44%の成功率で遂行できることを示した。
- AW-Opt:模倣と強化学習を大規模に統合してロボット技能を学習する模倣学習+強化学習2021/11/1
アドバンテージ重み付き回帰とQT-Optを組み合わせ、デモンストレーションと多様な事前データを活用して実世界ロボット技能をスケーラブルに学習する手法AW-Optを提案・検証した論文。
- 実行可能モデル:ロボットスキルの教師なしオフライン強化学習オフライン強化学習2021/4/1
報酬なしのオフラインデータから、任意の目標状態に到達するスキルをゴール条件付きQ学習と後知恵リラベリングで学習する手法を提案し、実ロボットで未知の場面や物体への汎化、長期目標の連鎖到達を実現した。
- RL-CycleGAN:強化学習を考慮したシミュレーションから実世界への転移sim2real2020/6/1
画像変換がQ値を保存するようにRL-scene consistency損失を導入し、タスクを考慮したシミュレーション→実世界の画像変換を可能にするRL-CycleGANを提案した論文。
- オフポリシー分類によるオフポリシー評価オフポリシー評価2019/6/1
連続行動空間と疎な二値報酬のMDPにおいて、Q関数を決定関数とした正例・未ラベル分類問題としてOPEを定式化し、環境モデルも重要度サンプリングも不要な評価指標を提案した論文。
- ランダム化→正規化適応ネットワークによる実世界データ不要のロボット把持sim2real2018/12/1
ランダム化されたシミュレーション画像を正規化画像へ変換するRCANを学習し、実画像も同様に変換することで実世界データなしに視覚ベース把持エージェントをsim-to-real転移した研究。
- QT-Opt:視覚ベースロボット操作のためのスケーラブルな深層強化学習マニピュレーション2018/6/1
58万回以上の実世界把持試行を用いて120万パラメータのQ関数を学習し、RGB画像のみで閉ループ把持制御を実現、未知物体で96%の成功率を達成した。
- シミュレーションとドメイン適応による深層ロボット把持の効率化sim2real2017/9/1
ランダム化したシミュレーション環境とGraspGANと呼ばれるピクセルレベルドメイン適応を組み合わせ、実世界のラベル付きデータを最大50分の1に削減しつつ新規物体の把持を実現した。
