Alisa Rupenyan
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
- 産業用マニピュレータの最適化ベース経路計画:積層造形における実験的検証経路計画2026/11/10
ロボット積層造形向けに、関節経路の規則性や自己衝突ペナルティとプロセスコスト・制約を統合したオフライン最適化経路計画を開発し、炭素繊維巻きと3DプリンティングでUR10e上での実行検証を行った。
- 変形可能物体の制御のための微分可能なマテリアルポイント法シミュレーション・制御2025/12/1
微分可能なマテリアルポイント法(MPM)シミュレータを開発し、超弾性ロープの能動的減衰問題において制御軌道を最適化した。ベースラインのMPPI法と比べて約2倍速く、20%低いエネルギーに到達し、計算時間は約3%で済んだ。
- 反復学習によるロボット製造タスクの非線形モデル予測制御の自動チューニング制御2025/12/1
反復作業中のタスク性能フィードバックを用いてNMPCの重み行列をオンラインで自動調整する反復学習フレームワークを提案し、炭素繊維巻き付けタスクで4回の反復でベイズ最適化に匹敵する性能を達成した。
- トルクレベル非線形モデル予測制御の自動チューニングのためのベイズ最適化マニピュレーション2025/12/1
デジタルツインと高次元ベイズ最適化を用いて、トルクベース非線形モデル予測制御のパラメータを自動調整し、UR10eロボットアームの軌道追従性能を向上させた。
- デジタルツインを活用したデータ駆動型制御器チューニングのためのガイド付きマルチフィデリティベイズ最適化制御チューニング2025/9/1
デジタルツインのシミュレーションと実機計測を統合し、モデル誤差を学習的に補正するマルチフィデリティベイズ最適化により、ロボット駆動系の制御器をデータ効率的にチューニングする手法を提案した。
- デルタロボットの残留振動抑制のためのミスマッチ補償付き反復学習制御制御2024/11/1
デルタロボットの残留振動を抑えるため、入力整形とファジィ近似によるモデル誤差補償を組み合わせた適応型反復学習制御を提案し、収束性を理論的に保証した。
- モデル誤差とアクチュエータ制約を考慮したロボットの特異点回避制御制御/特異点回避2024/11/1
モデル誤差とアクチュエータ制約があるロボットに対し、ガウス過程回帰で誤差を学習しつつ制御バリア関数で特異点回避を保証する制御手法を提案した。
- 高精度モーションシステムのための適応的ベイズ最適化制御最適化2024/4/1
半導体製造装置の精密モーションシステムを対象に、GoOSEを基盤としたリアルタイムなデータ駆動型ベイズ最適化で低レベル制御パラメータをオンライン調整し、ペイロードや参照ステップ変化に適応させる手法を提案・実機評価した。
- 安全なリスク回避ベイズ最適化によるコントローラチューニング制御チューニング2023/6/1
異分散ノイズ下で安全制約を満たしながらコントローラをチューニングするデータ駆動手法RaGoOSEを提案し、合成ベンチマークと半導体産業の精密モーションシステムで有効性を示した。
- 屋内環境におけるドローンによる体積推定ドローン/体積推定2022/11/1
屋内倉庫の点検を目的に、2D-LiDARと視覚特徴で表面を再構成し、ガウス過程で体積を推定する手法を提案。推定不確かさを最小化する飛行経路も計画する。
- 安全なベイズ最適化のためのメタ学習事前分布ベイズ最適化2022/10/1
オフラインデータから安全なベイズ最適化のための事前分布をメタ学習し、安全性を保ちつつ収束を加速する手法を提案した。
- 精密モーションシステムのためのデータ駆動型参照軌道最適化軌道最適化2022/5/1
データ駆動モデルを用いて参照軌道を事前補償し、低レベル制御器を変更せずに精密ステージの輪郭追従性能と生産性を同時に向上させる手法を提案。
- サンプル効率の良いバッチベイズ最適化によるプラズマ溶射プロセスパラメータの設定製造プロセス最適化2021/3/1
プラズマ溶射のプロセスパラメータ最適化に対し、プロセス特性に合わせた並列獲得手順と装置状態に適応するアルゴリズムを提案し、数値・実験で有効性を示した。
- ベイズ最適化による安全で効率的なモデルフリー適応制御適応制御2021/1/1
安全でサンプル効率の高いベイズ最適化アルゴリズムGoOSEを改良し、システムデータのみから低レベル制御器をチューニングするモデルフリー適応制御手法を提案、回転運動系で数値的・実験的に有効性を示した。
- シミュレーションで学び、実車で走るsim2real2020/11/1
簡単な車両モデルとモデルランダム化を用いたシミュレーションのみで強化学習ポリシーを訓練し、実車のミニチュアレースカーに転移させた。ポリシー出力の正則化と持ち上げアクション空間により滑らかかつアグレッシブな走行を実現し、実環境データで微調整することでMPCに匹敵するラップタイムと50%の制約違反削減を達成した。
- 自律レースのための最適化ベース階層型運動計画運動計画2020/3/1
同一車両モデルを2段階最適化に用い、上位で周回時間最小の軌道を計算し下位のNMPCが追従する階層制御を提案。実車レースで有効性を示し、従来比20%のラップタイム改善を達成した。
