Carlo D'Eramo
収録論文 9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
- 自己ペースカリキュラム強化学習によるシミュレーションでの自動スーパーバイクレーシング強化学習/自動運転/カリキュラム学習2026/6/1
物理シミュレータVRider SBKでスーパーバイクを自律走行させるため、自己ペースカリキュラム強化学習(SPDL)とSACを組み合わせたフレームワークを提案し、手動カリキュラムなしで効率的に学習できることを示した。
- HARBOR: エージェント型ロボット強化学習のためのハーネスフレームワーク強化学習/自動化2026/6/1
ロボット強化学習のパイプラインを自動化するエージェントフレームワークを提案し、環境構築からポリシー訓練までを自動化して、複数のベンチマークで有効性を示した。
- 有界合理性を持つ敵対的強化学習による動的障害物回避歩行2025/3/1
四足歩行ロボットのナビゲーションにおいて、障害物を敵対的エージェントとしてモデル化し、量子応答均衡でその合理性を制限する階層的強化学習手法を提案。未見の迷路でのロバスト性を実証し、Unitree GO1のシミュレーションで有効性を示した。
- 拡張ベイズ方策探索強化学習2024/7/5
性能差補題を利用してベイズ最適化の平均関数を拡張し、決定論的方策の探索を効率化するABSを提案。高次元の移動タスクで有効性を示した。
- 接触エネルギーに基づくHindsight Experience Prioritizationマニピュレーション2023/12/1
ロボットの触覚センサと物体変位を利用し、接触の多い経験を優先的にサンプリングするHERの改善手法を提案し、スパース報酬のマニピュレーションタスクで性能を向上させた。
- 有界合理性カリキュラムによる堅牢な敵対的強化学習敵対的強化学習2023/11/3
エントロピー正則化でナッシュ均衡の求解を容易にし、敵対者の合理性を徐々に高めるカリキュラム学習で堅牢な強化学習を実現する手法を提案。
- エントロピー最大化によるドメインランダム化sim2real2023/11/1
シミュレーションでの力学パラメータ分布をエントロピー最大化で自動調整し、過度に保守的にならずに適応的な方策を学習する手法を提案。ロボットマニピュレーションでゼロショットのsim2real転移を実証した。
- 合成可能なエネルギー方策による反応的動作生成と強化学習動作生成2021/5/1
複数の確率的方策の積を最適化することで、方策間の衝突を避けつつ反応的な動作を生成するCEPを提案し、階層的な強化学習にも適用できることを示した論文。
- モデル予測アクター・クリティック:深層強化学習によるロボットスキル獲得の加速強化学習2021/3/1
モデルベースとモデルフリーの強化学習を組み合わせ、モデル予測ロールアウトで方策学習を導くことでモデルバイアスを軽減し、実機ロボットでのスキル学習を効率化する手法を提案した論文。
