Ashvin Nair
収録論文 16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
- 実践で学ぶ:新規コネクタの産業用挿入に向けた視覚ベースの自己報酬型オフライン・オンライン微調整マニピュレーション2022/10/1
報酬関数は方策より新規タスクに汎化しやすい点を活かし、自己報酬でオンライン練習しながら未見コネクタの挿入タスクを微調整する手法を提案。
- 損失のあるアフォーダンスによる汎化:広範なオフラインデータを活用した視覚運動タスクの学習VLA2022/10/1
広範なオフラインデータから損失のある表現空間でサブゴールを計画し、オンライン微調整で未知の視覚運動タスクを効率的に学習するフレームワークを提案。
- 計画から実践へ:潜在空間での目標合成による効率的なオンライン微調整強化学習2022/5/1
高レベルプランナーが潜在空間で中間目標を生成し、オフラインRLで事前学習した方策をオンライン探索で微調整することで、長期的なタスクを効率的に学習する手法を提案。
- オフラインメタ強化学習におけるオンライン自己教師あり学習の活用メタ強化学習2021/7/1
オフラインデータでメタ学習した方策が適応時に生じる分布シフトを、報酬ラベル不要のオンライン教師なしデータ収集で橋渡しするハイブリッド手法を提案し、ロボットの歩行・操作タスクで有効性を示した。
- 視覚的アフォーダンスを想像して新しいスキルを学ぶアフォーダンス学習2021/6/1
生成モデルで可能な結果を想像し、視覚的アフォーダンスを学習することで、新しい環境でも5分の実体験でロボットが素早くスキルを適応できる手法VALを提案。
- 目標分布で条件付けする汎用強化学習ポリシー強化学習/マニピュレーション2021/4/1
目標を分布として表現し、それに条件付けられた汎用ポリシーをオフポリシーRLで学習するDisCo RLを提案し、新しい目標分布への汎化を要するロボット操作タスクで従来法を大きく上回った。
- AWAC: オフラインデータでオンライン強化学習を加速する強化学習2020/6/1
オフラインデータを活用してオンライン強化学習を効率化するAWACを提案し、サンプル効率の良い動的計画法と最尤方策更新を組み合わせて迅速な微調整を実現した。
- メタ強化学習による産業用ロボット挿入タスクの実世界適応sim2real2020/4/1
シミュレーション上で多様な挿入タスクをメタ強化学習で学習し、実世界では20回未満の試行で方策を適応させて産業用挿入作業を成功させた研究。
- 状況に応じた想像ゴールによる自己教師ありロボット学習自己教師あり学習2019/10/1
ロボットが現在の環境や手元の物体に合わせて達成可能で多様なゴールを自ら提案し、自己教師ありゴール条件付き強化学習で効率的に技能を学ぶ手法を提案した論文。
- 視覚入力と自然な報酬による産業用挿入タスクの深層強化学習マニピュレーション2019/6/1
視覚入力とスパース報酬や目標画像といった自然な報酬設定の下で、強化学習に古典的制御器やデモンストレーションの事前情報を組み合わせることで、産業用挿入タスクを現実的な試行回数で解けることを示した論文。
- Skew-Fit: 状態被覆を最大化する自己教師あり強化学習自己教師あり強化学習2019/3/1
目標到達ポリシーのための探索目的を定式化し、目標分布のエントロピー最大化により状態被覆を高めるSkew-Fitを提案。実ロボットがピクセル入力のみからドア開けを報酬設計なしで学習できることを示した。
- 残差強化学習によるロボット制御強化学習/マニピュレーション2018/12/1
従来のフィードバック制御で解ける部分と、接触や摩擦を含む残差部分を強化学習で解き、両者を重ね合わせて実世界のブロック組立タスクを成功させた。
- 想像上のゴールを用いた視覚強化学習視覚強化学習2018/7/1
教師なし表現学習とゴール条件付き強化学習を組み合わせ、エージェントが自らゴールを想像して練習することで、生の画像入力から汎用的なスキルを獲得する手法を提案した論文。
- 実演を用いた強化学習における探索問題の克服強化学習2017/9/1
スパース報酬の強化学習に少数の実演データを組み合わせ、ロボットアームの積み木などの長期的タスクを効率的に学習する手法を提案した。
- 自己教師あり学習と模倣を組み合わせた視覚ベースのロープ操作変形物体操作2017/3/1
人間がロープを操作する画像列を入力に、自己教師あり学習で得たピクセル単位の逆動力学モデルと模倣による高レベル計画を組み合わせ、ロープを目標形状へ操作する手法を提案。
- 突いて学ぶ:直感的物理の経験学習マニピュレーション2016/6/1
ロボットが10万回以上の突き動作を実機で行い、画像から順モデルと逆モデルを同時学習することで直感的物理モデルを獲得し、多段階の意思決定に活用できることを示した。
