Andreas Krause
ETH Zürich
収録論文 55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
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- VioLA: 人間のデータから汎用人型制御ポリシーを学習VLA2026/10/8
関節コマンドではなく身体・手の動作潜在表現を予測する汎用人型ポリシーを提案し、人間の動作記録をそのまま学習に活用することで、タスク固有の微調整なしに実機で指示追従を実現した。
- 触覚的好奇心がロボットのインタラクションを駆動する触覚2026/9/30
触覚フィードバックを探索の内在的報酬として用い、接触を伴う操作スキルを効率的に学習するフレームワークTacExを提案。タスク報酬や専門家デモなしで物体操作を獲得し、VLAモデルの事後学習にも有効。
- フローベースの視覚言語行動モデルにおける不確実性の定量化VLA2026/6/16
フローマッチングを用いた視覚言語行動モデル(VLA)に対して、速度場の不一致に基づく効率的な不確実性推定手法を提案し、失敗検出と能動的ファインチューニングに応用した。
- サンプリングに基づく安全強化学習安全強化学習2026/5/1
モデルベース強化学習において、動的モデルの不確かさを有限サンプルで近似し、学習中の安全性を保証するアルゴリズムを提案した。シミュレーションと実ロボットで安全な探索を実証した。
- 有界比率強化学習強化学習2026/4/20
PPOのヒューリスティックなクリップ目的と信頼領域法の理論的ギャップを埋めるため、有界比率強化学習(BRRL)フレームワークを提案し、解析的最適解と単調性能改善を保証する新しいポリシー最適化アルゴリズムBPOを開発した。
- 時間変動ダイナミクス下での制御のためのモデルベース強化学習強化学習2026/4/1
システムダイナミクスが時間とともに変化する環境で、古いデータの影響を制限する適応バッファ機構を持つ楽観的モデルベース強化学習アルゴリズムを提案し、非定常な連続制御ベンチマークでの性能向上を示した。
- 実機ロボットのオンライン強化学習で重要な設計選択とは何か強化学習2026/2/1
3種類のロボットで100回の実機学習を行い、アルゴリズムやシステム、実験設計の各選択を系統的に検証し、安定した学習を実現する設計指針を明らかにした。
- 方策事前分布による安全な探索安全強化学習2026/1/1
保守的な方策を事前分布として利用し、確率的ダイナミクスモデルで安全を保証しながら最適方策へ収束する強化学習手法SOOPERを提案した。
- 連続時間強化学習におけるサンプル効率とスケーラビリティの両立モデルベースRL2025/10/1
連続時間の未知ダイナミクスを確率的モデルで学習し、報酬と不確実性を組み合わせて探索するモデルベース強化学習手法COMBRLを提案。理論的な後悔・サンプル複雑度保証と実験での優位性を示した。
- 不確かさを考慮した能動探索によるソフトロボットのダイナミクス学習ソフトロボティクス2025/10/1
不確かさを推定するアンサンブルモデルで能動的に探索を行い、タスクに依存しない汎用的なソフトロボットのダイナミクスモデルを自律的に学習するフレームワークSoftAEを提案し、シミュレーションと実機で有効性を示した。
- TARC: 時間適応型ロボット制御強化学習/制御2025/10/1
強化学習により、ロボットが状況に応じて制御周波数を自律的に調整し、制御動作とその持続時間を同時に選択する手法を提案。RCカーと四足歩行ロボットで実機検証し、固定周波数制御と同等以上の性能を保ちつつ制御周波数を大幅に削減。
- SPiDR: 悲観的ドメインランダム化によるsim-to-real転移のゼロショット安全性sim2real2025/9/1
ドメインランダム化に悲観性を導入し、sim-to-realギャップ下でも安全制約を保証するスケーラブルな安全強化学習手法を提案し、実機ロボットで有効性を示した。
- オンライン力学学習による安全かつ準最適な制御制御/強化学習2025/9/1
未知の力学系において、安全性を保証しながらオンラインで力学モデルを学習し、準最適な性能を達成する制御手法を提案した論文。
- 超音波画像誘導ロボット脊椎手術のためのロバスト劣ガウスモデル予測制御医療ロボティクス2025/8/1
画像から推定した状態の誤差を劣ガウス雑音としてモデル化し、その不確かさを伝播させることで、線形システムの閉ループ安全性を保証するモデル予測制御を開発し、超音波画像誘導脊椎手術に応用した。
- 特徴ベース vs. GANベースの模倣学習:いつ、なぜ使うべきか模倣学習2025/7/1
模倣学習における特徴ベース手法とGANベース手法を比較し、報酬関数の構造と方針学習への影響を分析したサーベイ。タスクの優先事項に応じた手法選択の枠組みを提案する。
- SonoGym: ロボット超音波による難易度の高い手術タスクのための高性能シミュレーション医療ロボティクス2025/7/1
ロボット超音波の複雑な手術タスク向けに、CT由来の3D解剖モデルから超音波画像を物理ベースと生成モデルでリアルタイムに並列シミュレーションできるSonoGymを提案し、深層強化学習や模倣学習による解剖再構成・手術ガイダンスの学習を可能にした。
- DISCOVER: スパース報酬強化学習のための自動カリキュラム強化学習2025/5/1
目標タスクの方向へ探索目標を自動選択することで、スパース報酬の長期的タスクを効率的に解く強化学習手法を提案。
- 不確実性を考慮したロボット世界モデルによる実機オフライン強化学習の実現オフライン強化学習2025/4/1
自己回帰型世界モデルに認識的不確実性推定を組み込み、長期ロールアウトでの誤差蓄積を抑えることで、実機ロボットのオフラインデータのみからマニピュレーションや歩行タスクの制御方策を学習可能にした。
- 性能制約付きMPCのための最適自動チューナー制御最適化2025/3/1
MPCのコスト関数パラメータを、性能制約を常に満たしながら有限時間で最適化する自動チューニング手法COAT-MPCを提案し、自動運転レースで有効性を示した。
- NIL: 事前学習済み動画拡散モデルを活用したデータ不要の模倣学習模倣学習2025/3/1
事前学習済み動画拡散モデルが生成する2D動画をガイドに、3Dモーションキャプチャデータなしで多様な形態のロコモーション技能を獲得する模倣学習手法を提案。
- 確率的人工知能確率的推論2025/2/7
機械学習における不確実性の扱いと、逐次的意思決定タスクで不確実性を考慮する手法を解説した論文。
- 対称性誘導メモリ拡張による効率的な歩行学習歩行2025/2/1
ロボットとタスクの対称性を利用して追加の訓練経験を生成し、さらにポリシーのメモリ状態にも変換を適用することで、脚式ロボットの強化学習を効率化するフレームワークを提案した。
- ロボット世界モデル:ロボティクスにおける堅牢な方策最適化のためのニューラルネットワークシミュレータモデルベース強化学習2025/1/1
複雑で部分的に観測可能な確率的ダイナミクスを捉える世界モデルを学習し、想像環境での効率的な方策訓練と実世界展開を可能にするフレームワークを提案。
- MaxInfoRL:情報利得最大化による強化学習の探索促進強化学習2024/12/1
情報利得を内在的報酬として最大化し、価値関数と状態・報酬・行動のエントロピーを自然にトレードオフする探索フレームワークを提案。連続状態行動空間のオフポリシーRLに適用し、困難な探索問題や視覚制御タスクで性能向上を実現。
- マルチタスク方策の能動的ファインチューニング模倣学習2024/10/1
限られたデモ予算でマルチタスク方策を効率的に適応させるため、情報利得が最大となるタスクを能動的に選択してデモを収集する手法AMFを提案。
- ActSafe: 安全制約付き強化学習のための能動的探索安全強化学習2024/10/1
未知のダイナミクスに対する不確実性を考慮しつつ安全制約を守りながら探索するモデルベース強化学習手法を提案し、学習中の安全性と高性能を両立できることを示した。
- ベイズ推論によるSim-to-Realギャップの橋渡しsim2real2024/3/1
低忠実度の物理シミュレータを事前分布として活用し、ニューラルネットワークによるロボットダイナミクス学習を正則化するSIM-FSVGDを提案。RCレースカーでのドリフト駐車を少ないデータで実現。
- 非線形システムのための安全保証付き探索安全探索2024/2/1
未知の制約下で非線形システムを安全に探索するための枠組みを提案し、モデル予測制御を用いた効率的なアルゴリズムSageMPCを開発した。
- 確率的モデルベースメタ強化学習によるデータ効率的なタスク汎化メタ強化学習2023/11/1
動力学モデルの事前分布をメタ学習し、不確実性を活用して探索を導くことで、データが乏しい状況でも新しい動力学に素早く適応できるモデルベースメタ強化学習手法を提案した。
- 連続時間モデルベース強化学習における効率的な探索モデルベース強化学習2023/10/1
連続時間ダイナミクスを常微分方程式で表現し、ガウス過程で不確実性を捉えたモデルベース強化学習を提案。測定選択戦略の重要性を示し、適応的な戦略で少ないサンプルで効率的な探索を実現。
- 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。
- 安全なベイズ最適化による脚式ロコモーション制御器のチューニング歩行2023/6/1
モデルベース脚式ロボット制御器の制御ゲインを、安全制約付きのモデルフリー学習で自動調整し、複数の歩容パターンにも対応できる手法を提案・実機検証した。
- 動的システムの楽観的能動探索強化学習2023/6/1
未知の動的システムを能動的に探索し、複数の下流タスクをゼロショットで解けるモデルを学習するアルゴリズムOPAXを提案。
- 安全な深層強化学習による椎弓根スクリューの術中計画医療ロボティクス2023/5/1
脊椎手術のドリル経路計画に安全な深層強化学習を適用し、不確実性を考慮した安全フィルタと事前学習ネットワークで術中の不完全な解剖情報を補完する手法を提案した。
- 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。
- 安全な被覆制御のための準最適マルチエージェント学習群制御2022/10/1
未知の密度と安全制約下で、マルチエージェントが被覆を最大化しつつ安全を保証する準最適アルゴリズムを提案。
- 潜在空間事前分布を用いたデモンストレーションの活用強化学習2022/10/1
デモンストレーションから潜在空間の事前分布を学習し、強化学習の効率と性能を向上させる手法を提案。
- 学習したダイナミクスを用いた勾配ベース軌道最適化軌道最適化2022/4/1
ニューラルネットで学習した微分可能なダイナミクスモデルと勾配ベース軌道最適化を組み合わせ、SpotやRCカーで高ダイナミックなタスクを実現した研究。
- ベイズ世界モデルによる制約付き方策最適化モデルベースRL/安全制約2022/1/1
ベイズ世界モデルの不確実性を利用し、タスク目的の楽観的上界と安全制約の悲観的上界を最大化するモデルベース強化学習手法LAMBDAを提案し、Safety-Gymで高いサンプル効率と制約違反の少なさを示した。
- 効率的探索のための階層的スキル学習階層強化学習2021/10/1
二足歩行ロボットの多様なスパース報酬タスクで、教師なしで複雑さの異なるスキルを獲得し、下流タスクに応じて汎用スキルと特化スキルを自動で使い分ける3層階層強化学習を提案した論文。
- 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。
- 楽観的方策探索と計画による効率的なモデルベース強化学習モデルベース強化学習2020/6/1
不確実性を考慮した楽観的探索を標準的な貪欲プランナで解ける形に再定式化し、学習効率を大幅に改善する手法H-UCRLを提案した論文。
- カリキュラム誘導による安全な強化学習安全強化学習2020/6/1
自動インストラクタが危険時にリセット制御器を起動してエージェントを守りつつ、その選択方策(カリキュラム)を学習して安全かつ効率的な学習を実現する手法を提案。
- 単一軌道から不安定LQRの安定化制御器を学習する手法制御理論2020/6/1
未知の線形二次レギュレータに対し、楕円体不確かさ集合内の全システムを安定化するSDPベースのロバスト制御器合成と、単一軌道データから効率的に安定化制御器を同定するアルゴリズムを提案した。
- 多目的ベイズ最適化によるロバストなモデルフリー強化学習sim2real2019/10/1
制御理論の遅延余裕とゲイン余裕をロバスト性指標としてデータから推定し、多目的ベイズ最適化で性能とロバスト性のトレードオフを取るモデルフリー強化学習手法を提案し、Furuta振り子のsim2realと実機実験で有効性を示した。
- 対話型機械学習のための安全な探索フレームワーク安全探索2019/10/1
既存の対話型機械学習アルゴリズムを安全にするアドオン型フレームワークを提案し、ガウス過程事前分布の正則性仮定を利用して必要な安全領域のみを効率的に探索する。
- リアプノフニューラルネットワーク:動的システムの安全な学習のための適応的安定性認証安全学習2018/8/1
ニューラルネットワークでリアプノフ関数を構成し、非線形閉ループ系の最大安全領域に適応させることで、モデル構造に依存せず入出力データのみから安全性を認証する手法を提案した。
- 強化学習と模倣学習を組み合わせたサンプル効率の良い地図なしナビゲーションナビゲーション2018/5/1
専門家のデモンストレーションで事前学習してから強化学習で微調整することで、地図なしナビゲーションの学習を5倍効率化し、実機でも汎化する方策を実現した。
- 安全な探索を実現する学習ベースモデル予測制御モデル予測制御2018/3/1
ガウス過程による不確実性推定と終端集合制約を組み合わせ、確率的な安全保証を備えた学習ベースMPCを提案し、動的システムの安全かつ効率的な探索を実現した。
- 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。
- ガウス過程を用いた有限マルコフ決定過程における安全な探索安全探索2016/6/1
未知の安全制約下で有限MDPを安全に探索するアルゴリズムを提案し、安全到達可能領域を制約違反なく完全探索できることを証明した。ローバによる未知地図探索で実証した。
- 安全制約付きベイズ最適化:ロボティクスにおける安全で自動的なパラメータ調整パラメータ調整2016/2/1
目的関数とは別に複数の安全制約を設け、初期の安全パラメータ集合からガウス過程事前分布を活用して安全を高確率で満たすパラメータのみを評価しながら性能を最大化するベイズ最適化手法を提案した論文。
- ガウス過程を用いたクアッドロータの安全な制御器最適化制御最適化2015/9/1
SafeOptと呼ばれる安全制約付きベイズ最適化をクアッドロータの制御パラメータ調整に初めて適用し、実機上で安全を保証しながら人手なしで高速に自動チューニングできることを示した。
- 複数ロボットによる効率的な情報獲得センシング群制御2014/1/1
ガウス過程と相互情報量を用いて単一ロボットの情報獲得経路計画を近似最適化し、逐次割当てで複数ロボットに拡張する手法を提案した論文。
