Ben Moran
収録論文 8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
- 物理シーンのスプラッティング:不完全なロボットデータからのエンドツーエンド実世界→シミュレーションsim2real2025/6/1
3Dガウススプラッティングと物理シミュレーション用メッシュを統合し、生のロボット軌道から物体形状・見た目・ロボット姿勢・物理パラメータを微分可能レンダリングと微分可能物理で同時最適化する実世界→シミュレーション手法を提案。
- Proc4Gem: 手続き的生成による物理的エージェンシーの基盤モデルsim2real2025/3/1
物理シミュレーションで接触を含む軌道を大量生成し、そのデータでGeminiを微調整することで、言語指示に従って四足ロボットが実環境で物体を押し動かせるようにした研究。
- 自己中心視覚と深層強化学習によるロボットサッカーの学習マルチエージェント強化学習2024/5/1
自己中心的なRGB視覚のみを入力とし、関節レベルの行動を出力するマルチエージェントロボットサッカーの方策を深層強化学習で訓練し、シミュレーションから実機へ転移することに成功した。
- 実験をまたぐリプレイ:オフポリシーRLの自然な拡張強化学習2023/11/1
過去の実験で得た経験データを再利用して探索と学習を効率化するRaEを提案し、歩行やマニピュレーションなど複数の制御タスクで性能と研究効率の向上を示した。
- 深層強化学習による二足歩行ロボットの俊敏なサッカースキル獲得sim2real2023/4/1
低コスト小型ヒューマノイドロボットに深層強化学習を適用し、1対1サッカーをプレイする俊敏で安全な運動スキルをシミュレーションで学習させ、実機へゼロショット転移した。
- SkillS: 効率的な時間拡張探索のための適応的スキルシーケンシング強化学習2022/11/1
既存の時間拡張スキルを探索のためにシーケンス化し、最終方策は生の経験から直接学習することで、迅速な適応と効率的なデータ収集を実現する手法を提案。
- NeRF2Real:ニューラル放射輝度場を用いた視覚誘導二足歩行運動スキルのSim2Real転移sim2real2022/10/1
スマホで撮影した短い動画からNeRFでシーンの形状と新規視点画像を学習し、物理シミュレータ上で視覚ベースの二足歩行ロボットの全身ナビゲーションとボール押し方策を学習して実機に転移した。
- 模倣して再利用:人と動物の動作から学習する再利用可能なロボット運動スキルsim2real2022/3/1
人や犬のモーションキャプチャデータを模倣して脚式ロボットの運動スキルモジュールを学習し、歩行やボールドリブルなどの下流タスクに再利用して実機へゼロショット転移した研究。
