Andreea Bobu
Massachusetts Institute of Technology
収録論文 28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
- 言語による柔軟な特徴編集でロボット行動を適応させるFLEX言語誘導表現編集2026/10/20
言語モデルを用いてロボットの内部表現を「追加・一般化・マスク」の3操作で反復的に修正し、自然言語の指示からタスクに必要な特徴を柔軟に獲得する手法を提案した。
- より賢い質問を:不完全な報酬に対する標的型能動選好学習報酬学習2026/10/15
報酬学習において、人間が十分に教えられなかった特徴をロボット自身が特定し、その特徴に焦点を当てた選好質問と説明を行うことで、少ない質問回数で報酬を効率的に学習する手法を提案。
- 言語をセンサーとして使う:自然言語による3Dシーン内の校正された空間信念推定空間認識2026/6/1
ロボットが受け取る自然言語の空間記述を確率的センサーとして扱い、視覚情報と融合して物体位置を高精度に推定するフレームワークVL-Mapを提案した。
- 何を尋ねるべきか知るロボット:説明による報酬のずれの修正模倣学習2026/5/1
不完全なデモから学習した報酬関数の不確実性を検出し、ロボットが自然言語で説明しながら追加のデモを能動的に要求する手法を提案。シミュレーションと実機で効果を検証した。
- GIFT: 意図の一般化による柔軟なテスト時報酬模倣学習/報酬学習2026/3/1
ロボットがデモから学習した報酬関数の汎化を、見た目や意味の類似性ではなく人間の意図に基づいて行うフレームワークGIFTを提案。言語モデルで意図を推定し、テスト時の状態を意図条件付き類似度で対応付けることで、再学習なしに分布シフトへ対応する。
- Robometer:軌道比較による汎用ロボット報酬モデルのスケーリング報酬モデリング2026/3/1
軌道内の進捗監督と軌道間の選好監督を組み合わせた報酬モデルを提案し、100万軌道のデータセットで学習することで、汎用性の高い報酬関数を実現した。
- 相互作用による改善:CMA-ES-IGによる行動表現空間の探索ユーザー適応/好み学習2026/3/1
ユーザーの好みをランキングから学習する際、ユーザー体験を考慮して知覚的に異なる情報豊富な軌道を提案するCMA-ES-IGアルゴリズムを提案し、シミュレーションと実機実験で有効性を示した。
- Masked IRL: LLMによるデモンストレーションと言語からの報酬曖昧性解消逆強化学習2025/11/1
言語指示から状態の重要度マスクを推定し、LLMで曖昧な指示を明確化することで、少ないデータで報酬関数を学習する手法を提案。
- QuickLAP: 半自律エージェントのための高速言語-行動選好学習VLA2025/11/1
物理的な修正と言語によるフィードバックをベイズ的に統合し、LLMを用いて報酬関数をリアルタイムに学習する手法を提案。半自律運転シミュレータで報酬学習誤差を70%以上削減し、ユーザスタディでも高い理解度と協調性が示された。
- オープンエンド対話からの目標推論による柔軟なエージェントアラインメントVLA2025/8/1
対話を通じてユーザーの目標を動的に推論し、LLMエージェントを柔軟にアラインメントする手法GOODを提案。買い物・家庭ロボティクス・コーディングの3領域で有効性を示した。
- 較正特徴量による文脈適応型報酬の学習報酬学習2025/6/1
人間の入力から報酬を学ぶ際、文脈に応じて特徴の重要度(顕著性)が変化することに着目し、文脈不変な選好と文脈依存の顕著性を分離して明示的に学習する「較正特徴量」を提案。少ない選好クエリで効率的に報酬を獲得できる。
- オープンエンド対話からの目標推論VLA2024/10/1
LLMとの対話から自然言語で目標を抽出し、ベイズ推論で不確実性を扱いながら多様なユーザー目標をオンラインで学習・達成する手法を提案。
- 対比的説明からの適応的な言語ガイド抽象化逆強化学習2024/9/1
言語モデルと逆強化学習を交互に用いて、少数の実演から解釈可能な特徴量に基づく汎化可能な報酬関数を学習する手法ALGAEを提案。
- 選好条件付き言語誘導抽象化VLA2024/2/1
人間の行動変化から潜在的な選好を推測し、言語モデルを用いて状態抽象化を構築するフレームワークを提案。シミュレーション、ユーザー研究、実機ロボットで有効性を実証。
- 診断・フィードバック・適応:テスト時ポリシー適応のための人間参加型フレームワーク人間参加型学習2023/7/1
ユーザーのフィードバックからタスクに無関係な概念を特定し、反事実的デモンストレーションを用いてデータ拡張を行うことで、個人の好みに適応したポリシーを実現する対話型フレームワークを提案。
- 矯正的逆強化学習における特徴表現の診断と拡張逆強化学習2023/4/1
ロボットが人間のフィードバックから学ぶ際、特徴が完全に欠落している場合と、存在するが新しい環境に汎化しない場合を区別し、それぞれに応じた修正手法を提案する。
- 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。
- ロボットの表現を人間に合わせるヒューマンロボットインタラクション2022/5/1
人間の意図とロボットの学習表現のずれを解消するため、人間入力から中間表現を明示的に学習し下流タスクに活用する枠組みを提案する。
- 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。
- 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。
- 人間のクエリからのブートストラップによる知覚概念の学習知覚概念学習2021/11/1
シミュレータの特権情報を使って最小限の人間入力から低次元の幾何学的概念を学び、それを自動ラベラーとして高次元センサデータの大規模データセットを合成することで、人間のラベル負担を抑えつつ実センサ入力で使える知覚概念を学習するフレームワークPCBを提案した。
- 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。
- 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。
- 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。
- 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。
- 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。
