Bhavya Sukhija
収録論文 15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
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- 触覚的好奇心がロボットのインタラクションを駆動する触覚2026/9/30
触覚フィードバックを探索の内在的報酬として用い、接触を伴う操作スキルを効率的に学習するフレームワークTacExを提案。タスク報酬や専門家デモなしで物体操作を獲得し、VLAモデルの事後学習にも有効。
- EXIMO: VLMによるVLAポリシー探索のガイドVLA/強化学習2026/8/20
VLAポリシーの効率的なファインチューニング手法EXIMOを提案。VLMをプランナーとして使い、長期的なタスクを分解してデータ収集し、模倣学習とオフポリシーRLで最適化する。
- 時間変動ダイナミクス下での制御のためのモデルベース強化学習強化学習2026/4/1
システムダイナミクスが時間とともに変化する環境で、古いデータの影響を制限する適応バッファ機構を持つ楽観的モデルベース強化学習アルゴリズムを提案し、非定常な連続制御ベンチマークでの性能向上を示した。
- 不確かさを考慮した能動探索によるソフトロボットのダイナミクス学習ソフトロボティクス2025/10/1
不確かさを推定するアンサンブルモデルで能動的に探索を行い、タスクに依存しない汎用的なソフトロボットのダイナミクスモデルを自律的に学習するフレームワークSoftAEを提案し、シミュレーションと実機で有効性を示した。
- 連続時間強化学習におけるサンプル効率とスケーラビリティの両立モデルベースRL2025/10/1
連続時間の未知ダイナミクスを確率的モデルで学習し、報酬と不確実性を組み合わせて探索するモデルベース強化学習手法COMBRLを提案。理論的な後悔・サンプル複雑度保証と実験での優位性を示した。
- MaxInfoRL:情報利得最大化による強化学習の探索促進強化学習2024/12/1
情報利得を内在的報酬として最大化し、価値関数と状態・報酬・行動のエントロピーを自然にトレードオフする探索フレームワークを提案。連続状態行動空間のオフポリシーRLに適用し、困難な探索問題や視覚制御タスクで性能向上を実現。
- ActSafe: 安全制約付き強化学習のための能動的探索安全強化学習2024/10/1
未知のダイナミクスに対する不確実性を考慮しつつ安全制約を守りながら探索するモデルベース強化学習手法を提案し、学習中の安全性と高性能を両立できることを示した。
- MetaLoco: メタ強化学習と動作模倣による汎用四足歩行歩行2024/7/1
メタ強化学習と動作模倣を組み合わせ、多様な四足ロボットにゼロショットで適応する汎用歩行制御ポリシーを学習した研究。
- ベイズ推論によるSim-to-Realギャップの橋渡しsim2real2024/3/1
低忠実度の物理シミュレータを事前分布として活用し、ニューラルネットワークによるロボットダイナミクス学習を正則化するSIM-FSVGDを提案。RCレースカーでのドリフト駐車を少ないデータで実現。
- 確率的モデルベースメタ強化学習によるデータ効率的なタスク汎化メタ強化学習2023/11/1
動力学モデルの事前分布をメタ学習し、不確実性を活用して探索を導くことで、データが乏しい状況でも新しい動力学に素早く適応できるモデルベースメタ強化学習手法を提案した。
- 連続時間モデルベース強化学習における効率的な探索モデルベース強化学習2023/10/1
連続時間ダイナミクスを常微分方程式で表現し、ガウス過程で不確実性を捉えたモデルベース強化学習を提案。測定選択戦略の重要性を示し、適応的な戦略で少ないサンプルで効率的な探索を実現。
- 動的システムの楽観的能動探索強化学習2023/6/1
未知の動的システムを能動的に探索し、複数の下流タスクをゼロショットで解けるモデルを学習するアルゴリズムOPAXを提案。
- 安全なベイズ最適化による脚式ロコモーション制御器のチューニング歩行2023/6/1
モデルベース脚式ロボット制御器の制御ゲインを、安全制約付きのモデルフリー学習で自動調整し、複数の歩容パターンにも対応できる手法を提案・実機検証した。
- 学習したダイナミクスを用いた勾配ベース軌道最適化軌道最適化2022/4/1
ニューラルネットで学習した微分可能なダイナミクスモデルと勾配ベース軌道最適化を組み合わせ、SpotやRCカーで高ダイナミックなタスクを実現した研究。
