Anca D. Dragan
収録論文 47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
- 自然-敵対フロンティアによるアシストロボットのロバスト性評価ロバスト性評価2023/10/1
人とロボットの相互作用において、自然さとロボット性能のトレードオフを考慮した敵対的人間ポリシーのパレートフロンティアを構築し、ロバスト性を評価する手法RIGIDを提案した。
- オフライン強化学習による適応型ヒューマンマシンインターフェースのブートストラップヒューマン・イン・ザ・ループ強化学習2023/9/1
ノイズの多い高次元コマンド信号をアクションにマッピングするインターフェースを、オフライン事前学習とオンライン微調整を組み合わせた強化学習で訓練し、ユーザーの長期意図を推論することで、視線によるナビゲーション支援を改善した。
- ロボットと人間の表現のアラインメント表現学習2023/2/1
ロボットの学習した表現が人間の関心を反映するようアラインメントする問題を定式化し、現行手法を位置づけて今後の課題を示した。
- SIRL: 類似性に基づく暗黙的表現学習報酬学習2023/1/1
ユーザーが類似とみなす行動を手がかりに、報酬設計に必要な因果的特徴を抽出する表現学習手法を提案。
- 支援タスクにおける汎化を可能にする表現学習sim2real2022/12/1
ロボットが人間を支援するタスクでは、多様な人間の方策への汎化が課題となる。本研究は、人間方策の潜在表現を学習し、テスト時のインタラクションで適応させる手法を提案し、分布外の方策への汎化性能を評価した。
- 初めての接触:相互情報量最大化による教師なし人間-機械協調適応ヒューマン・マシン・インターフェース2022/5/1
ユーザーのコマンド信号と環境の状態遷移の間の相互情報量を最大化することで、事前のマッピングや教師信号なしに人間と機械のインターフェースを協調的に適応させる教師なし手法を提案。
- 選好ベース報酬学習における因果的混同と報酬の誤同定報酬学習2022/4/1
選好から報酬を学習する手法が、非因果的な特徴やノイズ、部分観測によって報酬を誤って同定し、分布外で性能が崩れることをベンチマーク実験で体系的に示した論文。
- 感情を表す動作を自在に生成するロボット学習感情表出動作2022/3/1
軌道を感情の潜在空間(VAD)に写像するモデルを対話的に学習し、任意の感情に応じた動作生成や自然言語への反応を可能にした研究。
- 眼 gaze 入力によるロボット操作を可能にする階層型ヒューマン・イン・ザ・ループ強化学習ヒューマン・イン・ザ・ループ強化学習2022/2/1
事前学習した高レベル行動の潜在空間と、スパースなユーザーフィードバックからの効率的な学習を組み合わせ、ウェブカメラの視線入力でロボットを操作できる支援インターフェースを実現した研究。
- 特徴学習を通じて報酬学習に構造を導入する手法報酬学習/逆強化学習2022/1/1
人間の入力を使って報酬の特徴を個別に学習し、その後それらを組み合わせる分割統治型の報酬学習を提案。深層IRLより少ないサンプルで汎化性能が向上することを7自由度マニピュレータ実験で示した。
- ロバスト報酬設計支援:設計反復を先回りする手法報酬設計2021/11/1
報酬設計の反復過程を考慮し、ロボットが報酬に不確実性を持ち将来の設計修正を先読みすることで、失敗しやすいエッジケース環境を設計者に能動的に提示し設計を加速する手法を提案した。
- 信頼度を考慮したゲーム理論的人間モデルによる人とロボットの相互作用の安全保証HRI安全2021/9/1
人間の合理性や影響を潜在状態として推論し、ゲーム理論モデルへの従順度を考慮して安全監視の保守性をオンライン調整する手法を提案し、安全性と効率性の両立を示した。
- 身体的インタラクションを通信として捉える:人間の修正からロボットの目的をオンライン学習pHRI/学習2021/7/1
人間がロボットを押したり導いたりする身体的介入を『意図的な情報伝達』とみなし、その観測からロボットがタスクの目的関数をリアルタイムに学習・修正する枠組みを提案し、マニピュレータの実験で従来手法と比較した。
- モデル予測制御のための最適コスト設計MPC2021/4/1
MPCの計画ホライズンが短いなどの問題に対処するため、真のタスクコストとは異なるコスト関数をゼロ次最適化で設計し、ロールアウトの真コストを下げる手法を提案。自動運転で有効性を検証。
- 状況的信頼度に基づく生涯共有自律の支援共有自律2021/4/1
ロボットが自身の意図候補でユーザ入力を説明できないと判断したら制御を返し、妨げずに観察して新しい意図を学習・追加する共有自律手法を提案し、ユーザ研究で有効性を示した。
- オンライン適応する人間モデルの学習可能性を解析する手法人間モデリング2021/3/1
ロボットが人間モデルをオンライン学習する過程を力学系として定式化し、到達可能性解析と最適制御で有限時間で学習可能な仮説集合や学習時間の最悪・最良ケースを計算する。
- 計画ベース予測で補完するエンドツーエンド人間行動予測行動予測2021/3/1
自動運転領域で、通常はエンドツーエンド予測器を使い、分布外やテール事象では計画ベース予測器に切り替える手法を分析し、切り替え検出には単純な分類器が意外に有効であることを示した。
- 人間予測モデルを動的に切り替える効率的計画手法人間ロボット協調計画2021/3/1
ロボットが複数の人間予測モデルを状況に応じてオンラインで切り替え、計算コストを抑えつつ高性能な計画を実現する手法を提案した論文。
- 支援型知覚:状態伝達のための観測最適化ヒューマンロボットインタラクション2020/8/1
ユーザーの観測を加工・合成することで、内部状態推定の誤りを補正し、より正確な状況把握を促す支援型状態推定(ASE)を提案し、4タスクのユーザー研究で有効性を示した論文。
- 特徴拡張型報酬学習:人手入力の再考報酬学習2020/6/1
ロボットの報酬関数に不足する特徴を、人間がその特徴が強く現れる状態から現れない状態へ誘導する新たな入力で明示的に教え、生状態空間から特徴を学習して報酬に統合する手法を提案。深層逆強化学習より少ないサンプルで汎化性能が向上することを実機7自由度マニピュレータとシミュレーションのユーザー研究で示した。
- 報酬合理的(暗黙的)選択:報酬学習の統一形式報酬学習2020/2/1
人間の多様な行動やフィードバックを「報酬に基づく合理的な選択」として統一的に解釈し、報酬関数を学習する枠組みを提案した論文。
- 人間のデモンストレーションと物理的修正からの学習における仮説空間の誤設定の定量化学習・模倣2020/2/1
ロボットの仮説空間が人間の意図を捉えきれない場合を明示的に扱い、状況に応じた確信度で人間入力の活用方法を調整する手法を提案し、7自由度マニピュレータでのデモと物理修正による学習で実証した。
- 確率的な人間行動モデル再考:軌跡空間に適したボルツマンモデルの再設計人間行動モデリング2020/1/1
人間の軌跡選択をモデル化する際、軌跡間の距離を考慮した新たなボルツマンモデルを提案し、ユーザー研究とロボット推論で従来モデルより高い精度を示した。
- 人間の教師に理解を促すロボットの非言語フィードバックヒューマンロボットインタラクション2019/11/1
ロボットが学習中に「次に正しいと思う行動」を非言語で示すことで、人間の教師がロボットの理解度を把握しやすくなり、教示の質が向上することを理論と2件のユーザー研究で示した論文。
- ハミルトン・ヤコビ到達可能性に基づく人間動作予測・解析フレームワーク人間動作予測2019/10/1
人間とモデルパラメータ信念の結合状態空間でハミルトン・ヤコビ到達可能性を解き、誤った事前分布に頑健な人間動作予測手法を提案した論文。
- スケールする自律性:人間オペレータがロボット群を制御できるようにする群制御2019/10/1
ユーザのロボット選択の好みを学習し、多数のロボットの中からテレオペレーションが必要な1台を自動で特定することで、少ない注意力でロボット群を監督できる手法を提案した。
- 非線形多人数一般和微分ゲームのための効率的反復線形二次近似マルチエージェント制御2019/9/1
ILQRを多人数一般和微分ゲームに拡張し、線形二次ゲームを反復解くことで実時間で複数エージェントの相互作用を考慮した制御を実現した。
- エージェント設計のための拡張可能な対話型インターフェース強化学習/インターフェース2019/6/1
複雑なタスクを報酬関数で指定する代わりに、ユーザーが既存ポリシーを切り替えながらデモンストレーションを行い、それに基づいて新ポリシーを学習する対話型インターフェースを提案。Lunar Landerで有効性を示した。
- 外挿された修正から学ぶ:ロボットのコスト関数学習における関数空間の選択ロボット学習2018/12/1
ユーザーからの修正指示をオンライン関数近似として捉え、非ユークリッドノルムの関数空間を用いることで意図をより正確に推定し、コスト関数学習の精度とユーザー評価を向上させる手法を提案。
- 実時間マルチロボット・マルチヒューマン衝突回避のためのスケーラブルなフレームワークマルチロボット衝突回避2018/11/1
各ロボットの追従誤差マージンを事前計算し、人間の動きを確率的に予測、ロボット間を順序付き優先度で協調させることで、多数のロボットと人間が共存する環境でも安全かつスケーラブルに経路計画・実行できる枠組みを提案した。
- 目的空間の誤設定下でのロボット学習人間-ロボットインタラクション2018/10/1
人間の修正入力がロボットの仮説空間に適合するかをリアルタイムに判断し、意図しない学習を防ぐ保守的な目的関数学習手法を提案した。
- ロボットが「できない」を伝える動作生成マニピュレーション2018/10/1
ロボットが達成したいタスクと失敗理由を伝えるため、成功動作に似せつつ物理限界を守る軌道最適化で「できない」を表現する動作を自動生成した。
- 重要状態を通じて適切な信頼を築くヒューマンロボットインタラクション2018/10/1
学習済みロボット方策の理解を助けるため、方策の本質を表す重要状態を人間に提示する手法を提案し、ユーザーが配備判断や介入タイミングをより適切に決定できることを示した。
- 自動運転車のための階層型ゲーム理論プランニング自動運転計画2018/10/1
動的ゲームを長期の戦略ゲームと短期の戦術ゲームに階層分解し、リアルタイムで他車と相互影響を考慮した軌道計画を可能にした研究。
- ロボットの動作スタイルを実現するコスト関数の学習動作生成2018/9/1
日常的な物理タスクのロボット動作にスタイルや感情を表現させるため、手設計特徴の線形結合とニューラネットワークの2種類のコスト関数をユーザーフィードバックから学習し比較した。両手法ともベースラインを大きく上回り、それぞれ長所があることを示した。
- 礼儀正しい自動運転車自動運転計画2018/8/1
自動運転車のコスト関数に他車への「礼儀」項を導入し、人間ドライバーの非合理性を考慮した計画が合流時の余裕や実データ説明に有効であることを示した。
- 周囲の人間ドライバーに同調する自動運転車自動運転2018/8/1
周囲の人間ドライバーの振る舞いを活用し、より安全で社会的に受け入れられる運転を行う「社会的結束型」自動運転アルゴリズムを提案し、ユーザー調査で受容性を評価した。
- 分割統治による報酬設計の簡素化強化学習/報酬設計2018/6/1
環境ごとに個別に報酬を設計し、それらを観測として共通報酬を推定する分割統治型の報酬設計手法を提案し、ユーザ実験で従来の一括設計より高速・高品質であることを示した。
- 信頼度に基づく人間予測を用いた確率的に安全なロボット計画安全計画2018/6/1
人間の動作予測モデルの信頼度をリアルタイムに推定し、予測が外れそうなときは不確実性を高めることで、確率的な安全保証付きのロボット軌道計画を実現した。
- 自動運転車はあなたのように運転すべきか?自動運転2018/2/1
自動運転車の運転スタイルの好みを調査し、ユーザーは自身の実際の運転より防御的なスタイルを好むが、自分が思う自分のスタイルを好むことを明らかにした。
- ゴール推論による人間とロボットの協調作業の性能向上人間ロボット協調2018/2/1
ロボットが人間の動きから次の目標をベイズ推論で予測し、リアルタイムに行動を再計画することで、協調作業の客観的・主観的性能が向上することを実験で示した論文。
- 深層強化学習による共有自律制御共有自律/強化学習2018/2/1
環境モデルやユーザの目標知識を仮定せず、人間参加型強化学習で観測とユーザ入力から行動価値への写像を学習し、ユーザ入力に近い行動を選びつつ劣った行動を除外する共有自律手法を提案。ビデオゲームと実機クアッドロータで有効性を示した。
- 動きのタイミングで感情を伝えるロボットマニピュレーション2018/2/1
ロボットの動作タイミングを変えることで、自信や運搬物の重さなどの内部状態を人に伝えられることを示し、その推論モデルを構築した論文。
- 自己予測可能な計画の生成:人間が先読みしやすいロボット行動計画人間ロボット協調2018/2/1
ロボットの最初の数動作から残りの計画を人間が正確かつ自信を持って予測できるようにする指標t-ACtyを提案し、そのような予測しやすい計画を生成する手法を開発した。
- 実用的・教育的価値整合:認知モデルに基づく協調ロボットの意思決定価値整合/協調IRL2017/7/1
人間の認知モデルと心の理論を取り入れ、人間がロボットの学習を考慮して行動し、ロボットがそれを実用的に解釈する相互関係を捉えた協調逆強化学習の解法を初めて形式的に分析した論文。
- 人間の認知モデルを組み込んだロボット計画人間ロボット協調2017/5/1
人間の状態や行動を計算認知モデルで表現し、ロボットの計画・制御に統合する枠組みをゲーム理論的に整理した論文。
- ロボットが自身の目的を人に伝えるための行動設計人間ロボットインタラクション2017/2/1
ロボットが人間の逆強化学習による推論をモデル化し、目的を最も分かりやすく伝える行動を選ぶ手法を提案。自動運転のユーザー研究で有効性を検証した。
