Aviral Kumar
Carnegie Mellon University
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
- SeeQ: 長期的ロボットマニピュレーションのための汎用価値関数の学習マニピュレーション2026/9/18
サブタスク単位でQ値を学習し、自然言語でサブタスクを自己回帰的に予測することで、長期的なロボット操作タスクの性能を向上させる手法を提案。
- R^3: 強化学習による自然言語推論を用いたロボットの訓練ロボット操作2026/8/26
この論文は、ロボット操作タスクにおいて、視覚言語モデル(VLM)を自然言語で推論するように訓練し、その推論結果を低レベル操作ポリシーのガイドとして利用する手法を提案している。
- 最小データでの汎用ロボットポリシーの適応強化学習2026/8/1
事前学習済みのロボットポリシーが、1回のデモンストレーションと自律的なオンライン相互作用だけで新しいタスクを学習できるようにする、オフラインからオンラインへの強化学習手法MiDASを提案した。
- 競合する報酬によるLLMの過剰拒否への対処LLM安全性2026/6/30
安全トレーニングによる過剰拒否問題を、有害な推論を探索として活用しつつ安全な回答を生成する敵対的枠組みで解決する手法を提案した。
- BPP: 重要な履歴フレームに注目した長文脈ロボット模倣学習模倣学習2026/2/1
視覚言語モデルで検出したタスクに関連するキーフレームのみを条件とすることで、履歴に依存するロボットタスクの模倣学習を安定化させ、実世界タスクで成功率を大幅に向上させた。
- RaC: 復旧と修正のスケーリングによる長期的タスクのロボット学習模倣学習2025/9/1
人間の介入による復旧・修正軌道でロボット政策を微調整し、長期的タスクの効率と堅牢性を向上させる手法を提案。
- 大きく、正則化し、カテゴリカルに：高容量価値関数は効率的なマルチタスク学習者マルチタスク強化学習2025/5/29
高容量な価値モデルをクロスエントロピーで学習し、学習可能なタスク埋め込みで条件付けることで、オンライン強化学習におけるタスク干渉を解決し、マルチタスク学習をスケーラブルにする手法を提案。
- 汎用ロボット基盤モデルを価値誘導で操る：V-GPSVLA2024/10/1
オフライン強化学習で学習した価値関数を用いて汎用ロボット方策の行動を再ランク付けし、微調整なしで性能を向上させる手法を提案。
- D5RL: データ駆動型深層強化学習のための多様なデータセットオフライン強化学習2024/8/1
実世界のロボット操作・移動環境を模したシミュレーションで、スクリプト・人間操作・その他多様なデータ源を含むオフライン強化学習の新ベンチマークを提案。
- 画像編集拡散モデルによるゼロショットロボットマニピュレーションマニピュレーション2023/10/1
画像編集拡散モデルを高レベルプランナーとして使い、言語指示から中間サブゴール画像を生成し、低レベル方策がそれを達成することで、未知の物体や状況にも汎化するロボット操作手法を提案。
- Q-Transformer：自己回帰的Q関数によるスケーラブルなオフライン強化学習オフライン強化学習2023/9/1
TransformerでQ関数を自己回帰的に表現し、大規模オフラインデータからマルチタスク方策を学習する手法を提案。実世界の多様なロボット操作タスクで既存手法を上回る性能を示した。
- インターネット動画からの価値関数事前学習によるロボットオフライン強化学習オフライン強化学習2023/9/1
人間の動画データセット上で時間差分学習により価値関数を事前学習し、ロボットのオフライン強化学習に活用する手法V-PTRを提案。実機WidowXでのマニピュレーションタスクで従来手法を大きく上回る性能を示した。
- ロボットのための事前学習：オフラインRLで少数試行から新タスクを学習オフラインRL2022/10/1
多様なロボットデータセットで事前学習したオフラインRL（CQL）を、10件程度の実演で新タスクに迅速に微調整するPTRを提案し、実機WidowXで有効性を示した。
- ゼロから始めない：事前データを活用したロボット強化学習の自動化強化学習2022/7/1
多様なオフラインデータを活用し、新タスクへの適応と環境リセットを自律的に行うロボット強化学習手法を提案。サンプル効率と汎化性能を向上させる。
- オフライン強化学習におけるラベルなしデータの活用法オフラインRL2022/2/1
ラベルなしデータに報酬ゼロを付与する単純な手法が、報酬モデル学習なしでも理論・実験的に有効であることを示し、その条件と改善策を明らかにした論文。
- マルチタスクオフライン強化学習のための保守的データ共有オフラインRL2021/9/1
複数タスクのオフラインデータを混ぜると分布シフトが悪化する問題に対し、タスク毎の改善度に基づいてデータを振り分ける保守的データ共有(CDS)を提案し、移動・ナビゲーション・視覚マニピュレーションで有効性を示した論文。
- COMBO: 保守的なオフラインモデルベース方策最適化オフライン強化学習2021/2/1
学習したダイナミクスモデルでのロールアウトから得た分布外状態行動ペアで価値関数を正則化し、明示的な不確実性推定なしに保守的なオフライン強化学習を実現した手法。
- 過去の経験と新スキルを繋ぐオフライン強化学習オフライン強化学習2020/10/1
過去のタスクや無監督探索で得たデータを動的計画法で再利用し、新タスクのスキルを拡張するオフラインRL手法を提案。4つのロボットスキルを連続で組み合わせる難タスクで有効性を示した。
- 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。
- 定速率マルチモードシステムにおける到達回避問題ハイブリッドシステム2017/7/1
モード切替可能な定速率ハイブリッドシステムの非凸状態空間での到達問題が一般に決定不能であることを示し、安全集合への仮定で決定可能となる新アルゴリズムを提案、RRTと性能比較した。
