Andrey Kolobov
Microsoft Research
収録論文 20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
- RAFT: 推論整合ファインチューニングによるVLAポストトレーニングのロバスト性向上VLA2026/11/3
タスク関連の推論アノテーションで低ランクアダプタを学習してから固定し、行動デモでポリシーを微調整する2段階手法RAFTを提案。実機ロボットで分布外成功率を27.9%から75.0%へ大幅改善した。
- Rho: 効率的に適応可能なVLAモデルの基盤VLA2026/9/29
双腕マニピュレーション向けのオープンウェイトVLAモデル群「Rho」を提案し、3つの実機での少量データ適応と、15エピソード程度の修正フィードバックによるオンライン適応を実現した。
- FlowDAgger: 潜在空間における人間参加型生成ロボットポリシーの適応模倣学習/適応2026/7/1
事前学習済みの生成ロボットポリシーを、人間の介入から潜在空間で適応させる手法を提案。介入行動を逆変換してノイズに変換し、軽量な潜在ポリシーで基盤モデルを操縦することで、少数の介入から迅速にスキル獲得する。
- 一段階フローポリシーによる潜在方針の操縦オフライン強化学習2026/3/1
オフライン強化学習において、元の行動空間のQ勾配を微分可能な一段階MeanFlowポリシーを通じて逆伝播させ、潜在行動空間のアクターを更新する新しい手法LPSを提案。代理の潜在批評家を排除し、行動制約付き生成事前分布として機能させることで、最小限のチューニングで高い性能を達成した。
- 多様なリセットと大規模強化学習による創発的な器用さ器用操作/強化学習2026/3/1
シミュレータのリセットを多様化して強化学習に様々なロボットと物体の相互作用を経験させることで、単一の報酬関数と固定ハイパーパラメータで長時間の器用な操作タスクを解くフレームワークOmniResetを提案した。
- オフロードかオーバーロードか:移動型ロボットマニピュレーション作業負荷のプラットフォーム計測研究移動マニピュレーション2026/3/1
移動型ロボットマニピュレーションの計算負荷をオンボード・エッジ・クラウドGPUで計測し、オフロードの利点と課題、ロボット群での計算共有の可能性を明らかにした。
- BusyBox:視覚言語行動モデルのアフォーダンス汎化を評価する物理ベンチマークVLA2026/2/1
スイッチやスライダーなど6モジュールを交換・回転できる物理ベンチマークBusyBoxを提案し、強いVLAモデルでも見た目が変わるとアフォーダンス汎化が難しいことを実証した。
- LoLA: 汎用ロボットマニピュレーションのための長期的潜在行動学習マニピュレーション2025/12/1
多視点観測と固有感覚を統合し、視覚言語表現をロボットの運動空間に接地させることで、長期的な言語誘導マニピュレーションを可能にするフレームワークLoLAを提案した。
- TwinVLA: 双子の単腕VLAモデルによるデータ効率的な両腕マニピュレーションマニピュレーション2025/11/1
事前学習済みの単腕VLAモデルを2つ組み合わせて両腕タスクを実行するフレームワークを提案し、両腕データなしで高性能を実現した。
- TraceVLA:視覚トレースプロンプトで汎用ロボットポリシーの時空間認識を強化VLA2024/12/1
状態行動軌跡を視覚的にエンコードする視覚トレースプロンプトを導入し、VLAモデルの時空間認識を改善。15万件の操作軌跡でOpenVLAを微調整したTraceVLAは、シミュレーションと実機で大幅な性能向上を達成。
- WindSeer:小型UAV上で複雑地形上のリアルタイム volumetric 風予測風予測/UAV2024/1/1
CFDシミュレーションの合成データのみで学習したニューラルネットワークにより、限られた計算資源の小型UAV上で、少数の風計測から複雑地形上の高解像度風場をリアルタイム予測する手法を実現した。
- 言語訂正による対話型ロボット学習VLA2023/10/1
大規模言語モデルを活用し、ユーザーが言葉でロボットの誤りを訂正すると、そのフィードバックから視覚運動方策を更新して同じ失敗を繰り返さない学習システムOLAFを提案した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 言語指示に従うロボットのための目標表現:半教師あり言語インターフェースによる制御VLA2023/7/1
少量の言語ラベル付きデータと大量の未ラベルデータを活用し、言語指示を開始画像と目標画像の変化に埋め込むことで、実世界の多様なマニピュレーションタスクで指示に従う方策を学習した。
- PLEX: ロボットマニピュレーション事前学習で利用可能なデータを最大限活用するマニピュレーション2023/3/1
少量の視覚運動軌道と大量のタスク条件付き動画を組み合わせて学習するTransformerベースの手法を提案し、Meta-WorldやRobosuiteで高い汎化性能を示した。
- 視覚障害者のためのナビゲーション支援における制御レベルの探求ナビゲーション支援2023/1/1
視覚障害者向け移動支援デバイス「Glide」を開発し、デバイス主導とユーザー主導の2つの制御モードがユーザーの主体性や信頼感、ナビゲーション成功率に与える影響を調査した。
- MoCapAct: シミュレーション人型制御のためのマルチタスクデータセットsim2real2022/8/1
シミュレーション人型ロボットが3時間以上のモーションキャプチャを追従できる高品質なエージェントとそのロールアウトを収録したデータセットMoCapActを公開し、階層型ポリシーの学習や下流タスクへの再利用が可能であることを示した。
- 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。
- 部分観測マルコフ決定過程としての自律サーマリング飛行制御2018/5/1
小型UAVの自律ソアリングをPOMDPとして定式化し、後退ホライズン制御器をArduPlaneに実装。2機同時の実飛行試験で既存手法より優位性を示した。
- ArduSoar:省リソース向けオープンソースのサーマルソアリング制御器飛行制御2018/2/1
小型固定翼UAV向け主要オートパイロットに初めて統合されたサーマル(上昇気流)ソアリング制御器ArduSoarを開発し、実機飛行試験で非理想的な気象条件下でも堅牢に動作することを示した。
