Amine Elhafsi
収録論文 7本 ・ フィジカルAI/ロボット学習
ロコマニピュレーションsim2real安全制御/LLMVLA軌道予測ナビゲーションクラウドロボティクス/オフロード/強化学習
※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
- SkillBlender:スキルブレンドによる汎用人型ロコマニピュレーションロコマニピュレーション2025/6/1
目標条件付きの汎用プリミティブスキルを事前学習し、それらを動的にブレンドすることで、タスク固有の報酬設計を最小限に抑えつつ多様な人型ロコマニピュレーションを実現する階層型強化学習フレームワークを提案。
- スキャン・実体化・シミュレーション:物理に基づくロボット計画のための汎用フレームワークsim2real2025/5/1
3Dガウススプラッティングによるシーン再構成、視覚基盤モデルによるセグメンテーション、視覚言語モデルによる材質推定、物理シミュレーションを統合し、ビリヤード風操作とクアッドロータ着陸で実世界汎化を実証した。
- 大規模言語モデルによるリアルタイム異常検知と反応的計画安全制御/LLM2024/7/1
LLMの埋め込み空間で高速に異常を検知し、生成LLMによる遅い判断をモデル予測制御に組み込むことで、ドローンや自動運転車の安全な反応計画を実現した。
- 大規模言語モデルによる意味的異常検知VLA2023/5/1
大規模言語モデルを活用し、自動運転や物体操作の方策における意味的異常を検知する監視フレームワークを提案した。
- MATS: 計画・制御に適した解釈可能な軌道予測表現軌道予測2020/9/1
軌道予測の出力を、計画・制御で扱いやすいアフィン時変システムの混合表現として学習し、大規模自動運転データで計算効率の向上を示した論文。
- 未知環境における地図予測型動作計画ナビゲーション2019/10/1
周囲の観測から未観測領域の地図をデータ駆動で予測し、その予測地図を用いてフロンティア選択なしに目標までの軌道を計画する手法を提案した。
- クラウドロボティクスのためのネットワークオフロード方針:学習ベースのアプローチクラウドロボティクス/オフロード/強化学習2019/2/1
ロボットが不確実なときや高精度な計算が必要なときに、クラウドへセンシングタスクをいつ・どのようにオフロードするかを深層強化学習で決定し、通信コストを抑えつつ視覚タスク性能を1.3〜2.6倍改善する手法を提案した。
