Animesh Garg
Georgia Institute of Technology
収録論文 101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
- MESA：ロボット操作における構成的・意味的・空間的汎化を評価するフレームワークベンチマーク評価2026/11/3
言語条件付き操作ポリシーの汎化性能を、分布内性能と空間配置・物体インスタンス・物体カテゴリ・サブタスク構成の4軸で精密かつ再現可能に評価するベンチマークMESAを提案し、単腕・双腕の2プラットフォームで7手法を評価した。
- FloMo: 人間動画からの学習におけるワールドアクションモデル中間表現としての3DシーンフローVLA2026/11/3
動画生成モデルを3Dシーンフローとアクショントークンの予測に微調整し、人間動画とロボット操作データで共訓練することで、未見物体やタスクへの汎化を実現した研究。
- 目標編集：トークン単位SAEステアリングとπ0.5における深さ限界解釈可能性/ステアリング2026/10/31
ロボット基盤モデルπ0.5の指示文の目標語に対応するSAE特徴を別の目標語の特徴に置き換えることで、指示文を変えずにロボットの行動目標を切り替えられることを示し、その編集が有効な層の深さ限界を調査した論文。
- 動画生成とロボット制御を単一バックボーンで統合するTAPESTRYVLA2026/10/27
事前学習済み動画拡散Transformerを再利用し、ロボットの行動を動画の潜在空間における単一パッチトークンとして扱うことで、推論時の動画生成なしに高速な行動生成を実現したワールドアクションモデル。
- 1つのポリシーで多様なスタイルを：操縦可能なヒューマノイド制御のための選好集約の最適な場所ヒューマノイド制御2026/10/20
ヒューマノイド制御において、選好条件付き強化学習の選好集約を報酬・アドバンテージ・損失・PCGradの各レベルで比較し、応答性と制御精度のトレードオフを明らかにした。
- デコーダを削りエンコーダを活かす：新規視点合成からの幾何表現学習表現学習2026/10/2
新規視点合成を用いた自己教師あり学習で、デコーダの表現力を抑え潜在空間で再構成するSNAPを提案し、視覚的位置推定やロボット操作など5タスクで競争力のある幾何表現を実現した。
- CAPEX: 経験適応型推論による基盤モデル行動の展開可能なロボットポリシーへの効率的蒸留VLA2026/9/26
マルチモーダル基盤モデルを自律的な実演者として使い、過去の実行経験に応じて再計画の頻度を適応させることで、低コストでロボットポリシー学習用データを収集するフレームワークCAPEXを提案した。
- KeyGen: カテゴリーレベルの方策汎化のための教師なしキーポイントに基づく物体中心表現マニピュレーション2026/9/23
点群から物体の意味的3Dキーポイントを教師なしで学習し、それを物体中心表現として拡散方策に組み込むことで、未知の物体形状や姿勢に対しても汎化するマニピュレーション手法を提案。
- 模倣を超えて：オフポリシーQプランニングによるロボットポリシーの自己改善ロボット学習2026/8/21
大規模な視覚運動BCポリシーに小さなオフポリシーQ関数を組み合わせ、推論時の価値誘導選択とオンライン自己改善を実現。失敗データを活用してベンチマークと実ロボットタスクの成功率を大幅に向上させた。
- FORGE: キーポイント軌道推論による機能的一般化を目指したツール使用マニピュレーション2026/7/1
ロボットが特定の道具にしか使えない問題を解決するため、道具の機能に基づく一般化を実現する手法を提案。キーポイント軌道を中間表現として用い、機能推論と動作実行を分離する2段階ポリシーを開発し、未見の道具での成功率を2倍以上向上させた。
- スペクトル分解による階層的ポリシー学習マニピュレーション2026/6/1
ロボットの行動系列をスペクトル分解し、低周波成分で大まかな動き、高周波成分で精密な調整を捉える階層的ポリシーを提案。シミュレーションと実機で精密操作タスクの性能を向上させた。
- チャンクベースロボットポリシーのための動的実行ホライズン予測ロボットポリシー2026/6/1
固定実行ホライズンに依存するチャンクベースのロボットポリシーに対し、強化学習で軽量な実行ホライズン予測ブランチを学習し、事前学習済みポリシーを凍結したまま動的に実行長を調整する手法を提案。高精度・長時間タスクの成功率を大幅に向上させた。
- COBALT: スマートフォンを用いたクラウドベース遠隔操作によるロボット学習のクラウドソーシング遠隔操作/データ収集2026/5/1
スマートフォンなどの一般的なデバイスを用いて、複数ユーザーが同時に遠隔操作でロボットのデモデータを収集できるプラットフォームを提案し、模倣学習のための大規模データ収集を低コストで実現した。
- SoftMimicGen: 変形物体操作のためのスケーラブルなロボット学習データ生成システムデータ生成/変形物体操作2026/3/1
変形物体操作タスク向けに、高忠実度シミュレーション環境と自動データ生成パイプラインを構築し、生成データで高性能なポリシーを学習できることを示した論文。
- MATTERIX：ロボティクス支援化学実験室自動化のためのデジタルツインsim2real2026/1/1
化学実験室の高忠実度デジタルツインを構築するGPU加速マルチスケールロボットシミュレーションフレームワークを提案し、ロボット操作・粉体/液体動力学・熱伝達・化学反応を統合してsim-to-real転移を実証した。
- ReinforceGen：自動データ生成と強化学習によるハイブリッドスキルポリシーマニピュレーション2025/12/1
タスクを局所的なスキルに分解し、10件の人間デモから模倣学習で初期方策を構築した後、強化学習で微調整する長期的マニピュレーション手法を提案。
- Isaac Lab：マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワークsim2real2025/11/1
GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。
- TopoCut: スペクトル報酬と離散拡散ポリシーによる多段階切断の学習マニピュレーション2025/9/1
変形物体の多段階ロボット切断のためのベンチマークを提案し、位相追跡・スペクトル報酬・拡散ポリシーを統合して切断品質の評価と汎化性能を向上させた。
- OG-VLA: 正投影画像生成による3D認識型視覚言語行動モデルVLA2025/6/1
多視点RGBD観測を正投影画像に変換し、LLMと拡散モデルでエンドエフェクタの次位置・姿勢を生成する3D認識型VLAを提案。未見環境への汎化性能を大幅に向上。
- AMPLIFY: ロボット学習のためのアクションなし動き事前分布VLA2025/6/1
アクションラベルなしの大規模動画からキーポイント軌跡を離散モーショントークンに符号化し、順動力学と逆動力学を分離して学習することで、ロボット方策の汎化性能を向上させるフレームワーク。
- SuFIA-BC: 手術サブタスクにおける視覚運動ポリシー学習のための高品質デモンストレーションデータ生成手術ロボット/模倣学習2025/4/1
手術ロボットの自律化に向け、フォトリアルな臓器を含む手術デジタルツインを構築し、視覚行動クローニング用の高品質合成データを生成する手法を提案。多視点カメラや3D表現を検証し、既存手法が接触の多い複雑な手術タスクに苦戦することを示した。
- AIとロボット科学者による科学発見のスケーリング則自律実験/ロボット科学者2025/3/1
エージェントAIと身体性ロボティクスを統合した自律型汎用科学者（AGS）を構想し、研究ライフサイクル全体の自動化と新たなスケーリング則の可能性を論じた論文。
- Adapt3R: 模倣学習におけるドメイン転移のための適応的3Dシーン表現模倣学習/3D表現2025/3/1
事前学習済み2Dバックボーンで意味情報を抽出し、3Dはエンドエフェクタ基準の位置情報としてのみ使う汎用3D観測エンコーダを提案し、未知の身体構造やカメラ視点へのゼロショット転移を実現した。
- AnyPlace: ロボット操作のための汎用物体配置学習マニピュレーション2025/2/1
VLMで大まかな配置位置を特定し、合成データのみで訓練したモデルで多様な配置姿勢を予測する2段階手法を提案。実世界の様々な物体形状や配置モードに対応し、高精度な配置を実現。
- AIとロボティクスによる自然科学実験室の加速的発見：2024年IEEE ICRAワークショップからの展望と課題実験室自動化2025/1/1
2024年のIEEE ICRAワークショップで、自然科学実験室の自動化における課題と展望を専門家が議論し、自律性、再現性、標準化、倫理などの問題を整理した。
- DiffSim2Real: 微分可能シミュレータのみで訓練した四足歩行ポリシーの実機展開sim2real2024/11/1
微分可能シミュレータで解析的勾配を用いて訓練した四足歩行ポリシーを、滑らかな接触モデルにより実世界に転移させることに成功した。
- RoCoDA: 実演からのデータ効率的なロボット学習のための反事実的データ拡張マニピュレーション2024/11/1
模倣学習において、不変性・同変性・因果性を統合したデータ拡張手法RoCoDAを提案し、5つのマニピュレーションタスクで性能・汎化・サンプル効率を改善した。
- 離散表現学習によるロボットインタラクションモードの発見マニピュレーション2024/10/1
関節物体を操作するロボットの動作を、専門家ラベルなしの教師なし学習で離散的な「インタラクションモード」として獲得し、それに基づく行動予測を可能にする手法ActAIM2を提案した。
- CLIMB: 言語ガイドによる反復モデル構築を伴う継続的タスクプランニング学習タスクプランニング2024/10/1
基盤モデルと実行フィードバックを活用し、自然言語記述からドメインモデルを構築しながら未知の述語を学習・蓄積する継続的タスクプランニング手法を提案。
- SPIRE: 長期的操作のための計画・模倣・強化学習の相乗的統合マニピュレーション2024/10/1
タスク・動作計画でタスクを分解し、模倣学習と強化学習を組み合わせて長期的なロボット操作を効率的に学習する手法を提案。
- PWM: マルチタスク世界モデルによる方策学習モデルベース強化学習2024/7/1
世界モデルをオフラインデータで事前学習し、一次最適化でタスクごとに10分以内に方策を抽出する連続制御のモデルベース強化学習手法を提案。最大152次元の行動空間や80タスクにスケールし、既存手法を上回る性能を示した。
- QueST: 連続制御学習のための自己教師ありスキル抽象化模倣学習2024/7/1
潜在変数モデルで行動系列を圧縮し、因果的帰納バイアスを導入することで、マルチタスクや少数ショット学習に強い低レベルスキル表現を学習する手法を提案。
- 接触の多い微分可能シミュレーションにおける適応的ホライズンアクター・クリティック強化学習2024/5/28
剛体接触を含む微分可能シミュレーションで、モデルベースのホライズンを適応的に調整して勾配誤差を減らす強化学習アルゴリズムを提案し、歩行タスクで既存手法より40%高い報酬を達成した。
- 部品ベースの組み合わせ可能なマニピュレーションマニピュレーション2024/5/1
物体を部品に分解し、部品間の機能的対応関係を拡散モデルで学習することで、新しい物体やカテゴリにも汎化するロボット操作手法を提案した。
- SuFIA: 言語ガイドによる手術支援ロボットの拡張巧緻性手術ロボット/言語誘導2024/5/1
大規模言語モデルと知覚モジュールを組み合わせ、自然言語指示で手術支援ロボットのサブタスクを学習なしに実行する枠組みを提案し、シミュレーションと実機で検証した。
- ORBIT-Surgical: 手術支援巧緻性学習のためのオープンシミュレーションフレームワークsim2real2024/4/1
NVIDIA Omniverse上でdVRKとSTARロボット向けに14の手術タスクを提供し、強化学習・模倣学習による手術スキル向上とsim-to-real転移を可能にする物理ベースの手術ロボットシミュレータを開発した。
- AdaDemo: 汎用ロボットエージェントのためのデータ効率的なデモンストレーション拡張模倣学習2024/4/1
既存方策の弱点を特定し、適応的にデモンストレーションを収集・拡張することで、データ効率的に多タスク模倣学習を改善するフレームワークAdaDemoを提案。
- clutter環境におけるテレオペレーションのための高速明示的入力支援テレオペレーション2024/2/1
ロボット遠隔操作において、エンドエフェクタで目標を明示的に指し示す新しい支援インターフェースを提案し、暗黙的な意図推定支援と比較して、操作者の好みや作業負荷の低減、ピック失敗の減少を示した。
- RePLan: 知覚と言語モデルによるロボットの再計画VLA2024/1/1
視覚言語モデル(VLM)で環境状態を把握し、初期計画が失敗した際にオンラインで再計画するフレームワークを提案。長期的タスクで予期せぬ障害に適応できることを示した。
- ORGANA: 化学実験の自動化と評価を支援するロボットアシスタント実験自動化2024/1/1
LLMを活用して化学者と対話しながら実験計画を立て、ロボットと実験装置を制御して溶解度・pH測定・再結晶・電気化学などの多様な化学実験を自動化する支援システムを開発した。
- 複数エンボディメントのための幾何マッチングによる把持マニピュレーション2023/12/1
物体とエンドエフェクタの幾何表現をグラフニューラルネットで学習し、複数のエンドエフェクタに対応した多様な把持を生成する手法GeoMatchを提案した。
- HandyPriors: 微分可能な事前分布による物理的に整合した手と物体のインタラクション知覚姿勢推定2023/11/1
微分可能な物理とレンダリングを活用し、手と物体の姿勢推定を統一的に行うパイプラインを提案。最適化ベースとフィルタリングベースの2手法を実現し、接触情報の予測やロボットハンド操作への応用も示した。
- 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。
- Fast-Grasp'D: 微分可能シミュレーションによる多指巧み把持生成マニピュレーション2023/6/1
微分可能な把持シミュレータFast-Grasp'Dを開発し、3種のロボットハンド向け100万件の多指把持データセットGrasp'D-1Mを生成。既存手法より高速で安定な把持を実現し、視覚ベース把持モデルの性能を大幅に向上させた。
- 相互作用モードとしての行動アフォーダンスの自己教師あり学習アフォーダンス学習2023/5/1
深度センサ情報のみを用いて、関節物体に対する有効な相互作用（ハンドルを回すなど）を自己教師ありで学習し、目標状態に条件付けられた生成モデルを構築した研究。
- エラーは有用なプロンプト：検証支援型反復プロンプティングによる指示誘導タスクプログラミングタスクプランニング2023/3/1
大規模言語モデルとプログラム検証を組み合わせ、エラーをフィードバックとして反復的にプロンプトすることで、データが少ない分野固有言語でも構文的に正しく環境制約を満たすロボットタスク計画を生成する手法CLAIRIFYを提案し、化学実験計画で最高性能を達成した。
- MVTrans: 透明物体のマルチビュー知覚透明物体知覚2023/2/1
RGB-Dの深度に頼らず、ステレオを拡張したマルチビュー入力で透明物体の深度推定・セグメンテーション・姿勢推定を同時に行う手法を提案し、大規模合成データセットSyn-TODDも構築した。
- Orbit: インタラクティブロボット学習環境のための統合シミュレーションフレームワークsim2real2023/1/1
NVIDIA Isaac Simを基盤に、フォトリアルなシーンと高忠実度の剛体・変形体シミュレーションを備えたモジュール式ロボット学習フレームワークOrbitを提案。GPU並列化により強化学習やデモ収集を高速化し、16のロボット、4種のセンサ、20以上のベンチマークタスクを提供する。
- 制約付きタスク・動作計画による化学実験の自動化マニピュレーション2022/12/1
化学実験の高レベルな指示から作業空間を認識し、PDDLStreamソルバーを用いた制約付きタスク・動作計画で多段階の操作を自律的に立案・実行するロボットフレームワークを提案し、注ぐ操作や溶解・再結晶化実験で有効性を示した。
- NeurIPS 2022 コンペティション: Driving SMARTS自動運転2022/11/1
自動運転における分布シフト問題に取り組むため、実世界データとシミュレータSMARTSを組み合わせた2トラックの競技会を開催し、強化学習やオフライン学習など多様な手法を比較評価した。
- NeRF間のペアワイズ位置合わせ位置合わせ2022/11/1
NeRFから表面場を抽出し、ICPのように2つのNeRFシーンを剛体変換で位置合わせする手法を提案。
- MoCoDA: モデルベース反実仮想データ拡張マニピュレーション2022/10/1
環境遷移の局所的な因子分解構造を利用し、学習したダイナミクスモデルで反実仮想遷移を生成するデータ拡張手法を提案。未見の状態・行動に汎化するロボットマニピュレーションをオフラインRLで実現した。
- Breaking Bad: 幾何学的破壊と再組み立てのデータセット形状再組み立て2022/10/1
物体が自然に破片へと壊れる過程を物理シミュレーションで生成した100万体超の大規模データセットを構築し、破片の再組み立てタスクのベンチマークを提供した論文。
- 見て、計画し、予測する：言語誘導型認知計画と動画予測VLA2022/10/1
自然言語の指示に基づいて動画を予測し、複雑なタスクを計画する認知計画アルゴリズムを提案した論文。
- ProgPrompt: 大規模言語モデルを用いた状況依存ロボットタスクプランの生成タスクプランニング2022/9/1
環境内の利用可能な行動と物体をプログラム風に記述し、実行可能な例示プログラムと共にLLMへ入力することで、状況に応じたロボットのタスクプランを生成する手法を提案。
- Grasp'D: 多指ハンドのための微分可能な接触リッチ把持合成マニピュレーション2022/8/1
微分可能な接触シミュレーションを用いて、多指ハンドの高次元把持姿勢を勾配法で合成する手法を提案し、従来の解析的手法より接触密度と安定性を大幅に向上させた。
- ニューラルモーションフィールド：把持軌道を暗黙的価値関数として符号化マニピュレーション2022/6/1
物体の点群と把持の相対軌道をニューラルネットの暗黙的価値関数として表現し、サンプリングベースMPCで動的物体の把持をリアクティブに実現する手法を提案。
- ニューラル形状嵌合：敵対的形状事前分布を用いた自己教師あり物体組立形状嵌合2022/5/1
未知カテゴリの2つの部品点群から、ぴったり嵌まる3D姿勢を予測する自己教師あり手法NSMを提案。形状再構成タスクと組み合わせ、20万組の切断データで学習する。
- 並列微分可能シミュレーションによる方策学習の高速化sim2real2022/4/1
微分可能シミュレータと新アルゴリズムSHACを組み合わせ、局所解や勾配消失を抑えつつ並列環境で方策学習を高速化した論文。
- DiSECt: 軟質材料切断のための微分可能シミュレータ微分可能シミュレーション2022/3/1
軟質材料のロボット切断を対象に、FEMとSDFベースの接触・損傷モデルを組み合わせた初の微分可能シミュレータを提案し、パラメータ推定や制御最適化に有効であることを示した。
- 連続時間フィッティング価値反復によるロバスト方策の学習ロバスト制御2021/10/1
非線形制御アフィン系の性質を利用して最適方策と最適外乱を解析的に導出し、状態・行動の離散化なしに価値反復で最適価値関数を解くcFVIとrFVIを提案。振り子と台車系で最適方策を得て、実機sim2real実験でロバスト性を実証した。
- 透明物体のための点群と深度の統合補完深度補完2021/10/1
透明物体の歪んだ深度を点群と深度の統合補完で復元するTranspareNetを提案し、自動データセット構築でTODDを作成した研究。
- PlaTe: 手順タスクにおけるTransformerを用いた視覚に基づく計画VLA2021/9/1
指示動画から人間の意思決定過程を学習し、目標指向の手順を計画するPlanning Transformerを提案。実世界動画と対話環境で従来より高い目標到達性能を示し、UR-5での応用可能性も検証した。
- クラウド上のロボット競技会：Real Robot Challengeマニピュレーション2021/9/1
遠隔操作可能な3本指ロボットプラットフォームを構築し、世界中のチームが参加できる器用な物体操作の競技会を開催した。競技で収集した数百時間分のデータセットも公開している。
- GPUシミュレーションから遠隔実機TriFingerへの巧みな操作の転移sim2real2021/8/1
3本指ロボットで立方体を任意の6自由度姿勢に動かすタスクをIsaacGymで強化学習し、キーポイント表現とドメインランダム化により遠隔実機で83%の成功率を達成した。
- 支援ロボットを直感的に操作するための潜在行動の学習支援ロボット操作2021/7/1
7自由度アームの高次元動作を低次元の潜在行動に埋め込み、ジョイスティック操作と組み合わせて支援ロボットを直感的に操作できるようにした研究。
- 長期言語指示実行のための持続的空間意味表現言語指示・タスク計画2021/7/1
ロボットが高レベルな自然言語指示を長期的に実行できるよう、環境の空間的・意味的情報を持続的に保持する表現手法を提案し、ALFREDベンチマークで最高性能を達成した。
- GIFT: ラベル不要で汎化可能な相互作用認識型道具アフォーダンスアフォーダンス2021/6/1
人間のラベルや専門家の実演なしに、目標指向の物理的相互作用から道具の視覚的アフォーダンスを発見し、新しい道具へ自己教師ありで予測するフレームワーク。
- DiSECt: 軟質材料切断のための微分可能シミュレータ微分可能シミュレーション2021/5/1
軟質材料のロボット切断を対象に、FEMとSDFベースの接触・損傷モデルを組み合わせた初の微分可能シミュレータを提案し、パラメータ校正やベイズ推定、切断力最小化の制御最適化に有効であることを示した。
- 連続状態・行動・時間における価値反復法制御/強化学習2021/5/1
既知のダイナミクスモデルを用い、連続状態・行動・時間で動的計画法を可能にするcFVIを提案。非線形制御実験で深層強化学習と同等の性能を示し、実機移行時の頑健性に優れることを示した。
- 連続制御タスクのためのロバスト価値反復法sim2real2021/5/1
動的計画法に基づき、システムダイナミクスの敵対的摂動を組み込んだロバストな最適方策を連続状態・行動空間で計算する手法を提案し、実機の振り子と台車棒で有効性を示した。
- 重心モデルで実現する多様環境対応の四足歩行歩行2021/4/1
高忠実度な物理シミュレータの代わりに単純な重心モデルと強化学習を組み合わせ、接地力を二次計画法で実現することで、平地歩行から平均台歩行まで汎化し実機転移も可能な四足歩行制御を実現した。
- 未知環境における全身移動マニピュレーションによる関節物体操作移動マニピュレーション2021/3/1
未知のキッチン環境でキャビネットやオーブンなどの関節物体を操作するため、物体中心プランナと全身運動制御を組み合わせた2段階アーキテクチャを提案し、車輪型・脚型移動マニピュレータで検証した。
- 効率的な強化学習のための潜在行動空間を学習するLASER強化学習2021/3/1
類似タスクの軌道データから変分エンコーダ・デコーダで元の行動を潜在行動空間に写像し、その空間で強化学習を行うことでサンプル効率を改善する手法を提案した。
- 見て学ぶ：人間動画からの操作スキルの物理的模倣模倣学習2021/1/1
単一の人間動画からロボットの操作スキルを模倣学習する枠組みを提案し、教師なしの人間→ロボット変換とキーポイント検出で報酬と方策を学習する。
- 多様な物体のロバスト把持最適化から創発するハンド形態と制御マニピュレーション2020/12/1
ベイズ最適化を用いてハンドの形状と把持制御を同時に設計し、多様な物体を把持できる効率的なハンド形態を自動発見する手法を提案した論文。
- 経路推論による物理パズルの解法物理推論2020/11/1
目標物体の自然な経路と目標経路を予測し、操作物体の配置を生成するモジュール型深層学習モデルを提案し、2D物理パズルベンチマークPHYREで評価した。
- ダイナミクスランダム化の再検討：四足歩行の事例研究sim2real2020/11/1
Laikago四足ロボットの歩行方策学習において、ダイナミクスランダム化なしでもsim-to-real転移が可能であることを示し、成功を左右する設計要因をアブレーション研究で分析した論文。
- 探索と転移のための潜在スキル計画強化学習/スキル転移2020/11/1
学習済み世界モデルとスキルを統合し、テスト時にスキルをオンライン計画で選択することで、歩行タスクのサンプル効率と転移性能を向上させた強化学習エージェントを提案。
- 保守的安全クリティックによる安全な探索安全強化学習2020/10/1
クリティックで状態の安全度を保守的に見積もり、訓練中の壊滅的失敗の確率を理論的に上限付きで抑えつつ探索を可能にする安全強化学習手法を提案し、ナビゲーション・マニピュレーション・歩行タスクで有効性を示した。
- 接触に適応する四脚ロボット制御の階層学習フレームワーク歩行2020/9/1
モデルベース制御と強化学習を組み合わせ、環境変化に応じてプリミティブを選択する階層型制御器を四脚ロボット向けに学習させ、省エネ性と頑健性を向上させた。
- 視覚運動による機械的探索：散らかった環境で対象物を取り出す学習マニピュレーション2020/8/1
散らかった物体の山に隠れた対象物を、深層強化学習で効率的に露出させる視覚運動ポリシーを学習する手法を提案した論文。
- 局所因果分解を用いた反事実データ拡張強化学習2020/7/1
相互作用が疎なサブプロセスからなる動的環境で、局所因果モデルを推定し、因果的に妥当な反事実経験を生成して強化学習のサンプル効率を改善する手法を提案した論文。
- 到達可能領域のフロンティアに沿った潜在空間探索探索2020/5/1
画像で与えられた初期状態と目標状態から、到達可能な潜在状態のフロンティアを距離条件付き到達可能性ネットワークで推定し、その境界付近を優先的に探索する自己教師あり方策学習フレームワークを提案した。
- 不確実性を考慮した誘導方策最適化：学習とモデルベース手法を組み合わせたサンプル効率の良い方策学習モデルベースRL2020/5/1
モデルベース方策の不確実性を見積もり、信頼できる領域ではモデルを、不確実な領域では局所的に学習した方策を生のセンサ入力で使うことで、実機のペグ挿入を少ない試行で学習する手法を提案。
- RoboTurkで数百時間規模のロボット教師データ収集を実現テレオペレーション2019/11/1
遠隔テレオペレーション基盤RoboTurkを拡張し、1週間で54人・3タスク・111時間超のロボットマニピュレーションデータを収集、その品質と多様性を評価した論文。
- 動作推論による目標ベース模倣学習模倣学習2019/11/1
第三者視点の動画から記号的な目標を推定するため、タスク・動作計画を組み合わせて実演者の真の意図を曖昧性除去する動作推論フレームワークを提案し、実キッチンで再現可能なことを示した。
- IRIS: 大規模オフライン実演データから制御を学ぶ暗黙的強化学習フレームワークオフライン強化学習2019/11/1
大規模なロボット操作の実演データから、低レベル模倣コントローラと高レベル目標選択を分離して学習するIRISを提案し、完全オフライン学習で高性能な方策を得られることを示した。
- カスケード変分推論による多段階マニピュレーションのダイナミクス学習マニピュレーション2019/10/1
高次効果の予測と低次動作の生成を分離するカスケード変分推論で潜在表現を学習し、2つの時間解像度で階層的に計画するモデルベース手法を提案した。
- 学習した潜在アクションで支援ロボットを操作する遠隔操作2019/9/1
支援ロボットの操作を簡単にするため、タスク実演から低次元の潜在アクションを学習し、ユーザーが少ない自由度で高次元の腕を動かせる遠隔操作手法を提案した。食事・調理タスクのユーザー実験で既存手法より効率的に操作できることを示した。
- 記号プランナの連続緩和によるワンショット模倣学習模倣学習2019/8/1
ワンショット模倣学習を記号計画と記号接地の問題として定式化し、記号接地モデルの確率的出力上で直接計画する連続緩和プランナを提案した論文。
- 視覚と触覚を統合したマルチモーダル表現学習による接触の多い操作タスクマルチモーダル表現学習2019/7/1
自己教師あり学習で視覚と触覚のコンパクトなマルチモーダル表現を獲得し、ペグ挿入タスクにおける強化学習のサンプル効率と汎化性能を向上させた研究。
- エンドエフェクタ空間における可変インピーダンス制御：接触の多いタスクのための強化学習アクション空間マニピュレーション2019/6/1
接触を伴うマニピュレーションタスク向けに、エンドエフェクタ空間での可変インピーダンス制御を強化学習のアクション空間として提案し、サンプル効率・省エネルギー・安全性の面で優れることを3つのタスクで示した。
- 機械的探索：散らかった物体に隠れた目標物の多段階取り出しマニピュレーション2019/3/1
散らかった箱の中で目標物体を押す・吸着・把持の3動作を繰り返し選んで取り出すタスクを定式化し、5つのアルゴリズム方策を1万5千回のシミュレーションと300回の実機実験で評価した。
- RoboTurk：模倣によるロボット技能学習のためのクラウドソーシング基盤模倣学習2018/11/1
スマホなどの一般モバイル端末で6自由度の遠隔操作を可能にし、クラウドソーシングで大規模な操作デモを収集するプラットフォームを構築した。VRコントローラ並みの操作性と劣悪なネットワーク下での頑健性を示し、2200件超のデモを収集して疎報酬の多段階操作タスクの政策学習に有効であることを実証した。
- 視覚と触覚を統合する自己教師ありマルチモーダル表現学習による接触の多い操作マルチモーダル/触覚2018/10/1
視覚と触覚の入力を自己教師あり学習でコンパクトなマルチモーダル表現にまとめ、強化学習のサンプル効率を高めてペグ挿入タスクを実機でも安定してこなせるようにした研究。
- ニューラルタスクグラフ：単一動画デモから未見タスクへ汎化する方策学習模倣学習2018/7/1
単一の動画デモから未見タスクを遂行する方策を生成するため、タスクの合成構造を中間表現として組み込むNeural Task Graphを提案し、ブロック積み上げや物体収集タスクで汎化性能を示した。
- シミュレーション自己教師あり学習による道具操作用のタスク指向把持の学習マニピュレーション2018/6/1
道具を使ったタスクのために、把持と操作方策を同時に最適化するTOG-Netを提案し、大規模シミュレーション自己教師あり学習で訓練して、掃き掃除とハンマー打ちで実機検証した論文。
- ニューラル・タスク・プログラミング：階層的タスクへの汎化を学ぶ模倣学習2017/10/1
タスクの映像デモを入力に、階層的にサブタスクへ再帰分解し、下位プログラムを呼び出すニューラルプログラムでロボット操作を学習する枠組みを提案。未見の長さ・構造・目的のタスクへ汎化できることを示した。
- 確率的動力学系におけるゼロショット適応ポリシー転送sim2real2017/7/1
シミュレータで学習したRLポリシーを、オンラインのチューブ型MPCと組み合わせることで、動力学誤差のある未知環境へ安全かつゼロショットで転送するADAPTを提案した。
- 階層的逆強化学習による遅延報酬付き長期タスクの学習逆強化学習2016/4/1
デモンストレーションからサブタスク構造を推定し、局所的な報酬関数と全体の順序依存性を同時に学習するHIRLを提案。並列駐車や振り子などのベンチマークで従来の逆強化学習より高速かつ頑健に収束することを示した。
