Alex LaGrassa
収録論文 9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
- 計画クエリに基づくモデル生成による変形可能物体操作のモデルベース制御変形可能物体操作2025/8/1
計画クエリに応じて物体の領域ごとに適応的な解像度のダイナミクスモデルを拡散モデルで生成し、木操作タスクで計画速度を2倍にした研究。
- 不正確なダイナミクスモデルのためのモデル前提条件のタスク指向アクティブラーニングアクティブラーニング/モデルベース計画2024/1/1
不正確なダイナミクスモデルを使う計画において、モデルが正確な領域(モデル前提条件)を効率的に学習するため、タスクに関連する軌道を能動的に選択するアルゴリズムを提案し、実世界の植物給水タスクで4軌道のみで約80%の性能向上を達成した。
- 変形可能物体操作のための動力学モデルの焦点適応変形物体操作2022/9/1
ロープや植物など変形物体の操作において、ソース環境と動力学が類似する領域にのみモデル適応を集中させることで、データ効率の良いオンライン適応手法FOCUSを提案した。
- 複数モデルを用いた計画のためのモデル事前条件の学習マニピュレーション2022/6/1
実世界の状態と遷移モデルの出力の誤差を予測するモデル偏差推定器を学習し、各モデルが正確に機能する条件を定義して、計画時に高速なモデルを優先しつつ適切に切り替える手法を提案した。
- 開放的不確実なロボット操作領域における目標の記述と達成マニピュレーション2021/12/1
物体を性質のみで記述した目標仕様から汎用プランニングで行動を導出し、階層計画・状態推定・実行をオンライン統合して遮蔽やセンサ誤差の大きい実ロボット環境で頑健に目標を達成する手法を提案。
- 学習したスキル効果モデルを用いた探索ベースの生涯ロボットマニピュレーション計画タスク計画2021/9/1
パラメータ化スキルの効果モデルをシミュレーションで学習し、そのモデルを使って探索ベースのタスク計画を行うことで、新しいスキルやタスクに生涯適応できる手法を提案した。実世界への転移も追加学習なしで可能であることを示した。
- 接触を伴う切替線形力学系のための反応的・予測的な微分可能制御器の学習マニピュレーション2021/3/1
接触による力学モード切替を切替線形力学系で近似し、離散時間LQRを微分可能方策として専門家デモから学習することで、複数モードにまたがり予測外の接触にも反応できる制御戦略を実現した。
- 階層的な物体中心コントローラの構成を強化学習で学習するロボットマニピュレーションマニピュレーション2020/11/1
物体中心のサブタスクコントローラを強化学習で動的に階層構成し、サンプル効率・未知環境へのゼロショット汎化・実機転移を改善した研究。
- 不正確なモデルに基づく計画を局所スキルで補修する学習手法マニピュレーション2020/9/1
近似モデルによる計画が失敗する箇所だけを、専門家デモから学習した局所的なモデルフリーポリシーで補修することで、計画の信頼性を高めつつデータ収集コストを抑える手法を提案した論文。
