Ashwin Khadke
収録論文 6本 ・ フィジカルAI/ロボット学習
強化学習/アクロバット歩行・バランス制御最適制御制御/最適化ロボットモデリング
※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
- 強化学習による自転車アクロバット強化学習/アクロバット2026/8/1
強化学習を用いて自転車ロボットに多様なアクロバティックなスタント(ジャンプ、フリップ、ウィリーなど)を学習させ、状態依存トリガーでポリシーを切り替えるオーケストレータにより長期的な連続スタントを実現した。
- 超機動車両:走行・バランス・ジャンプを実現する自転車ロボットのシステム設計歩行・バランス制御2026/2/1
自転車と反動質量を組み合わせ、最小限のアクチュエータで走行・バランス・ジャンプを実現するロボットを設計し、強化学習で多様なアクロバティック動作を実現した。
- 方策分解のためのスパース性誘導表現最適制御2022/9/1
最適制御問題の方策分解を容易にするため、LQR近似をスパース化するシステム表現をヒューリスティックに探索し、二足歩行・マニピュレータ・クアッドコプタで従来法より低コストな分解方策を得た。
- 方策分解の探索手法:遺伝的アルゴリズムとモンテカルロ木探索による組合せ課題の緩和制御/最適化2022/3/1
複雑な制御問題を低次元の部分問題に分解する「方策分解」において、遺伝的アルゴリズムとモンテカルロ木探索を用いて分解戦略の組合せ爆発を緩和し、マニピュレータの振り上げ・二足歩行のバランス・クアッドコプターのホバリング制御で有効性を示した論文。
- 方策分解:劣最適性推定を伴う近似最適制御最適制御2021/3/1
複雑な最適制御問題を低次元の部分問題に分解し、その解を組み合わせて全体の方策を構築する手法を提案。組み合わせの劣最適性を推定して最良のものを選び、計算時間を大幅に削減しつつ性能を維持できることを示した。
- このロボットは何ができる?外見と実験から能力を学ぶロボットモデリング2017/12/1
未知のロボットの外見から能力の手がかりを得て、制御可能な要因を選んで実験を行い、そのロボットのタスク遂行モデルを効率的に構築・洗練する手法を提案した。
