Bernhard Schölkopf
収録論文 31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
- 命令型言語モデルから宣言的反応型ロボット行動を生成するVLA2026/10/12
LLMが苦手とする宣言的反応型プログラミングを、専門家が設計したガイドラインと文脈を与えることでロボット行動生成に応用し、対話的な改良と一括生成の両方を実現した。
- DSReg: 再構成なしで個々の世界潜在変数を証明可能に復元表現学習2026/10/7
再構成やデコーダ、ラベルなしで、構造的多様性を条件に依存性スパース正則化により世界の個々の潜在変数を符号付き置換まで復元する手法を提案。
- WAMJET: ワールドアクションモデル高速化のためのエージェントハーネスVLA2026/10/1
コーディングエージェントに最適化ガイドと計測・検証ツールを与え、ロボット操作向けワールドアクションモデルの推論を最大9.95倍高速化するフレームワークを提案。
- 感覚運動世界モデル:逆動力学による行動のための知覚世界モデル2026/6/18
逆動力学正則化を導入した潜在世界モデルを提案し、表現の崩壊を防ぎつつ行動に関連する表現を学習することで、報酬なしの軌跡から効率的な計画を可能にする。
- 言語モデルの事前知識を用いた観測からのPOMDP世界モデル学習世界モデル2026/5/13
LLMが少数の観測・行動軌跡からPOMDPモデルを提案・反復改良し、信念ベースの尤度を最適化することで、部分観測環境でのサンプル効率的な世界モデル学習を実現した。
- 有界比率強化学習強化学習2026/4/20
PPOのヒューリスティックなクリップ目的と信頼領域法の理論的ギャップを埋めるため、有界比率強化学習(BRRL)フレームワークを提案し、解析的最適解と単調性能改善を保証する新しいポリシー最適化アルゴリズムBPOを開発した。
- 筋肉駆動ロボットのための一般化アクチュエータネットワークによるシミュレーションから実機への転移sim2real2026/4/1
腱駆動と空気圧人工筋肉を用いたロボットアームの複雑なアクチュエーションをニューラルネットワークでモデル化し、シミュレーションで訓練した動的で精密なポリシーを実機に転移させる手法を提案した。
- 構造化ワールドモデルのための自然な構成要素:理論・証拠・スケーリングワールドモデル2025/11/3
離散過程と連続過程を基本構成要素とし、HMMやsLDSを階層的に組み合わせることで、解釈性を保ちつつ生成・予測・計画・意思決定を同一アーキテクチャで行う構造化ワールドモデルの枠組みを提案する。
- 大規模な器用なロボットピアノ演奏マニピュレーション2025/11/1
人間の実演なしに強化学習と模倣学習を組み合わせ、約1000曲を演奏できるロボットハンドを実現した。
- 単視点メッシュ再構成はロボティクスに使えるか?sim2real2025/5/1
単視点の3Dメッシュ再構成手法をロボットマニピュレーション向けの物理シミュレーションに使えるか評価し、既存手法がロボット特有の要件を満たせないことを示した。
- RP1M: 両手多指ロボットハンドによるピアノ演奏のための大規模動作データセットマニピュレーション2024/8/1
両手多指ロボットによるピアノ演奏の動作データを100万軌道以上集めた大規模データセットRP1Mを構築し、模倣学習のベンチマークで最先端性能を達成した。
- 拡散モデルによる接触計画学習で実現する俊敏な跳躍移動歩行2024/3/1
飛び石のような制約環境での俊敏な移動のため、NMPCとMCTSで接触計画を生成し、拡散モデルで目標条件付き方策を学習した。
- 身体性AIの基盤世界モデルにおける因果性の本質的役割身体性AI2024/2/1
身体性AIのための基盤世界モデルに因果性を取り入れる重要性を論じ、物理的相互作用の正確な予測に向けた展望と誤解の整理を行った位置論文。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 卓球ロボットにおけるデータ効率の良いオンライン学習によるボール配置マニピュレーション2023/8/1
卓球ロボットがボールを打ち返す際に、目標地点へ正確に配置するためのオンライン最適化アルゴリズムを提案し、2〜5回の試行で収束することを示した。
- Real Robot Challenge 2022:実世界のオフラインデータからの巧みな操作の学習マニピュレーション2023/8/1
実機ロボットのデータセットを用いたオフライン強化学習により、押す・掴む・手内操作を含む巧みな操作タスクを学習する競技会を開催し、勝利チームの手法と最先端アルゴリズムのベンチマークを比較した。
- 実機ロボットにおけるオフライン強化学習のベンチマークオフライン強化学習2023/7/1
器用な操作タスク向けに、シミュレーションで訓練したRLエージェントが収集した大規模オフラインデータセットと実機・シミュレーション実行環境を提供するベンチマークを提案し、主要なオフラインRLアルゴリズムを評価した。
- 腱駆動ロボットアームによる高速かつ安全な動的動作の探求マニピュレーション2023/7/1
腱と空気圧人工筋を用いてアクチュエータを基部に配置した4自由度ロボットアームを開発し、衝突力の低減と高速動作を両立。強化学習による卓球タスクで性能を実証し、ハードウェアと制御ソフトをオープンソース化。
- o80: 機械学習アルゴリズム、リアルタイムロボット制御、シミュレーション環境を同期するフレームワークロボティクスフレームワーク2023/6/1
o80は、共有メモリモデルとコマンドフレームワークを提供するC++製ロボティクスフレームワークで、プロセス間の柔軟な同期を可能にし、実機とシミュレーションを混在させたシステムの構築を容易にする。
- 後知恵状態:シミュレーションと実タスク要素の融合による効率的な強化学習sim2real2023/3/1
複雑なダイナミクスを持つロボットタスクを効率的に学習するため、タスクを単純な要素と複雑な要素に分解し、単純な部分をシミュレーションで仮想生成して後知恵的にデータを増やす手法HiSを提案。卓球タスクで有効性を実証。
- AIMY: 多様で高精度な軌道生成を可能にするオープンソース卓球ボール発射装置卓球ロボット2022/10/1
最大15.4 m/sの速度と192 rad/sのスピンを持つボールを再現性高く発射できる、オープンソースの3輪式卓球ボール発射装置を開発し、その精度を評価した。
- 線形関係ネットワークによる構成可能なマルチオブジェクト強化学習マニピュレーション2022/1/1
複数物体環境での操作タスクにおいて、物体数が変化してもゼロショットで汎化できる線形スケールの関係推論モジュールを提案した論文。
- 物理的微分:物理的な順伝播による方策勾配の計算強化学習2022/1/1
遷移モデルの代わりにパラメータ摂動に対する軌道の感度を学習し、実機ロボットで方策勾配を物理的に順伝播して推定する手法を提案・検証した。
- クラウド上のロボット競技会:Real Robot Challengeマニピュレーション2021/9/1
遠隔操作可能な3本指ロボットプラットフォームを構築し、世界中のチームが参加できる器用な物体操作の競技会を開催した。競技で収集した数百時間分のデータセットも公開している。
- 因果的好奇心:因果表現学習のための自己教師あり実験を発見する強化学習エージェント因果表現学習2020/10/1
強化学習エージェントに「因果的好奇心」という新たな内的報酬を与え、環境内で自ら実験を行うことで因果的要因を階層的に推論・表現学習させる手法を提案した論文。
- CausalWorld:因果構造と転移学習のためのロボットマニピュレーションベンチマークマニピュレーション2020/10/1
ブロック組み立てタスクを通じて因果構造と転移学習を研究するための、因果変数への介入が可能なロボット操作シミュレーションベンチマークを提案した論文。
- TriFinger: 器用さを学習するためのオープンソースロボットマニピュレーション2020/8/1
約5000ドルの安価で安全に自律動作する3本指ロボットハンドのハード・ソフトをオープンソースで提供し、強化学習や投擲・筆記などの実験で有効性を示した。
- 空気圧人工筋ロボットによる卓球のゼロからの学習強化学習/マニピュレーション2020/6/1
空気圧人工筋で駆動するロボットアームを使い、モデルフリー強化学習で安全に卓球の返球・スマッシュを実機で学習させた研究。
- ロボット卓球のための信頼性の高いリアルタイムボール追跡ボール追跡2019/8/1
複数カメラの位置整合性を利用して物体検出の誤りを排除し、リアルタイム性を保ちながら信頼性を高めたボール追跡システムを提案・評価した。
- 確率的運動プリミティブの適応とロバスト学習運動プリミティブ2018/8/1
確率的運動プリミティブのパラメータに事前分布を用いて少ない訓練例でロバストに推定し、関節空間・タスク空間での汎用適応演算子を導入した。コーヒー準備と卓球タスクで有効性を検証した。
- 補間方策勾配:深層強化学習のためのオンポリシーとオフポリシーの勾配推定の融合強化学習2017/6/1
オンポリシーとオフポリシーの更新を理論的・実験的に融合する手法を提案し、制御変数法で既存手法を統一する枠組みを示した。
