Andrew J. Taylor
収録論文 9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
- 制御バリア関数と入力-状態安全性:自動運転車両への応用制御バリア関数2022/6/1
制御バリア関数(CBF)を用いて安全性を保証しつつ性能を維持する制御器設計法を提案し、入力-状態安全性(ISSf)で外乱に頑健化する。連結自動運転トラック(クラス8、トレーラーなし)でシミュレーションと実車実験により検証した。
- 近似離散時間モデルとサンプルデータCBFによるサンプルデータ系の安全性安全制御2022/3/1
連続時間CBF設計と離散時間実装のギャップを埋めるため、近似離散時間モデルとサンプルデータCBFを用いて実装時の安全性を保証する凸最適化ベースの制御器を提案した。
- 全身ダイナミクスを用いた非線形モデル予測制御による平面二足歩行のオンライン歩容生成歩行2022/3/1
二足ロボットの全身剛体ダイナミクスをオンラインの非線形モデル予測制御に組み込み、オフライン歩容との併用も可能にして多様な歩行を実現し、シミュレーションと実機で検証した。
- 安全性を考慮した選好学習による安全クリティカル制御安全制御2021/12/1
選好ベース学習と制御バリア関数を組み合わせ、四足ロボットの性能と安全性のトレードオフを自動調整する設計手法を提案し、シミュレーションと実機で検証した。
- 制御バリア関数と状態射影安全を用いた二足歩行のエピソード学習歩行2021/5/1
制御バリア関数と機械学習を組み合わせ、モデル不確かさを学習して二足歩行ロボットの安全な動的歩行を実現する手法を提案し、シミュレーションと実機で検証した。
- 制御バリア関数とモデル予測制御による脚式ロボットの多層安全設計歩行2020/11/1
制御バリア関数(CBF)とモデル予測制御(MPC)を統合し、足置きの安全性と動的安定性を同時に実現する多層的な脚式ロボットの移動フレームワークを提案し、シミュレーションとANYmal四脚ロボットで検証した。
- 駆動不確かさを伴う非線形システムのデータ駆動型ロバスト制御合成に向けてロバスト制御2020/11/1
制御証明関数(CCF)を用い、モデル不確かさがあっても安定性や安全性を達成する凸最適化ベースのデータ駆動型ロバスト制御器を提案し、倒立振子のシミュレーションで検証した論文。
- 制御リアプノフ関数を用いたロボットの非線形モデル予測制御制御2020/6/1
NMPCと制御リアプノフ関数(CLF)を統合した制御器を、計算資源が限られたロボット上で初めてリアルタイム実装し、セグウェイでシミュレーションと実機の両方で評価した論文。
- 制御リアプノフ関数を用いた不確実なロボットシステムのエピソード学習制御・学習2019/3/1
制御リアプノフ関数(CLF)を中心とした機械学習フレームワークを提案し、パラメータ不確実性や未モデル化動態に適応しながら反復的に制御器を改善する。平面セグウェイのシミュレーションで有効性を示した。
