Alonso Marco

収録論文 10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

• ドメイン知識を組み込んだガウス過程状態空間モデルによる分布外検出
  sim2real2023/9/1

  シミュレーションやノミナルモデルから得たドメイン知識をガウス過程のカーネルに埋め込み、予測に基づくオンライン分布外検出モニタを構築。実機四足歩行ロボットの未知地形分類で有効性を示した。

• GoSafe: 大域的最適な安全ロボット学習
  安全学習2021/5/1

  SafeOptの探索範囲を初期安全領域外に拡張し、学習したバックアップ制御器で安全を確率的に保証しながら大域最適解への収束条件を導出、実機実験で検証した。

• クラッシュ制約下でのロボット学習
  ベイズ最適化2020/10/1

  失敗時にデータが得られない「クラッシュ制約」問題に対し、離散的な成否と連続観測を組み合わせたGPモデル(GPCR)と制約付きベイズ最適化で実機四足ロボットの跳躍制御を学習した研究。

• 失敗予算制約下での探索を考慮した制約付きベイズ最適化
  ベイズ最適化2020/5/1

  許容できる失敗回数の予算に応じて探索のリスク量を制御する制御理論ベースの決定手法を提案し、失敗予算をより効率的に使いつつ低いリグレットを達成する。

• 失敗を罰則化せずに学ぶベイズ最適化：未知のペナルティ下でのロボット学習
  ベイズ最適化2019/7/1

  不安定な制御による失敗を「大きなコスト」として扱うベイズモデルを提案し、失敗しやすい領域を避けつつベイズ最適化でロボット制御器を学習する手法を実機で検証した。

• ベイズ最適化によるデータ効率的な自動チューニング：産業制御への応用
  産業制御/自動チューニング2018/12/1

  ベイズ最適化を用いて実験データから制御器パラメータを自動学習する手法を提案し、スロットルバルブ制御で手動調整より少ない試行で高性能を達成した。

• 光で操るソフトマイクロロボットの歩容をベイズ最適化で学習
  マイクロロボット2018/9/1

  光応答性ソフトマイクロロボットの歩容を、ベイズ最適化とガウス過程で少ない実験回数から効率的に最適化する学習手法を提案し、20回の試行で移動性能を115%改善した。

• モデルベース方策探索による多変数PID制御器の自動チューニング
  制御チューニング2017/3/1

  PILCOを拡張し、未知システムの観測データのみから多変数PID制御器を自動調整する枠組みを提案。7自由度ロボットアーム上の倒立振子安定化で有効性を示した。

• 仮想と現実の融合：ベイズ最適化による強化学習でのシミュレーションと物理実験のトレードオフ
  sim2real2017/3/1

  シミュレーションの安価で不正確な情報と物理実験の高価で正確な情報をベイズ最適化で自動的に組み合わせ、少ない実験回数で制御ポリシーを効率的に学習する手法を提案した。

• ガウス過程大域最適化に基づくLQRの自動チューニング
  制御チューニング2016/5/1

  ベイズ最適化（エントロピーサーチ）を用いてLQR制御器のゲインを実験データから自動調整する枠組みを提案し、7自由度ロボットアームによる倒立振子の安定化で有効性を示した。