Ankit Shah
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
- 見せるだけでいい:人間の動画を見て新規物体を検出する物体検出2026/3/1
人間のデモ動画から自動でデータセットを作り、その物体専用の検出器を自己教師ありで学習する手法を提案。言語による複雑な説明を不要にし、ロボットのタスク成功率を向上させた。
- 安全チップを差し込め:LLM駆動ロボットエージェントへの制約の強制VLA2023/9/1
LLMエージェントに線形時相論理に基づく安全制約モジュールを組み込み、禁止行動の理解・違反推論・不安全行動の除去を可能にした。VirtualHomeと実機で安全性制約の厳守を実証。
- 文脈構造を活用した有用な補助タスクの生成強化学習2023/3/1
強化学習において、与えられたタスクの時相論理表現と大規模言語モデルを用いて文脈に応じた補助タスクを自動生成し、経験の再利用を最大化するマルチタスク強化学習フレームワークを提案した。
- 未知環境における時相タスクのための複雑な自然言語コマンドの接地VLA2023/2/1
大規模言語モデルを活用し、事前の言語データがない環境でも時相ナビゲーションコマンドを線形時相論理仕様に接地するモジュール式システムLang2LTLを提案し、21の都市規模環境と実機ロボットで評価した。
- 時相論理模倣:デモンストレーションから計画充足運動方策を学習する模倣学習2022/6/1
デモンストレーションに暗黙的に含まれる離散的な計画を線形時相論理(LTL)で表現し、モード不変性と目標到達性を備えた運動方策を学習することで、人間による摂動があってもタスクを確実に再現できる模倣学習手法を提案した。
- LTL-Transfer: 時相タスク仕様のためのスキル転移VLA2022/6/1
線形時相論理(LTL)で記述された新規タスクに対し、訓練中に獲得したタスク非依存スキルを組み合わせてゼロショットで安全に遂行する転移アルゴリズムを提案し、四足移動マニピュレータでの実機検証も行った。
- 実演からのベイズ仕様推論LfD2021/7/1
実演を観察してタスク仕様を時相論理式として確率的に推論する手法を提案し、合成領域と実世界の卓上作業で90%以上の類似度を達成した。
- 非マルコフタスクのための対話型ロボット訓練ロボット教示2020/3/1
教示者の実演と評価の両方からベイズ的にタスク仕様を学ぶ枠組みを提案し、不確実性サンプリングに基づく能動学習で非マルコフな食卓準備タスクを実機で教示できることを示した。
- 不確かな仕様に基づく計画法(PUnS)計画/強化学習2019/6/1
タスク仕様がLTL式の信念として曖昧に与えられる状況に対し、4つの充足基準を定義し、等価なMDPの存在を示した上で、ロボットによる食卓準備タスクで有効性を実証した論文。
