Changyeon Kim
収録論文 14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
- RACE: 較正付き累積スコアによるロールアウト不要なロボット方策チェックポイント選択方策評価2026/11/4
実機ロールアウトなしで学習済みロボット方策のチェックポイントを評価するため、成功軌道を用いて状態条件付き閾値で行動偏差を較正し、累積積でスコア化する指標RACEを提案した。シミュレーションと実機でデプロイ性能との順位一致を改善した。
- ACCRUE: ロボット基盤モデルのための継続的オフポリシー強化学習強化学習/継続学習2026/10/13
軽量なactor-criticネットワークをタスク間で引き継ぎ、過去の経験を再利用することで、ロボット基盤モデルが新タスクを効率的に学びつつ忘却をほぼゼロに抑える継続的オフポリシー強化学習フレームワークを提案。実機で学習時間を31〜68.5%削減。
- スカラー随伴マッチングによるQ学習強化学習2026/10/7
フローポリシーのファインチューニングにおいて、各ステップのヤコビアン計算を不要にするスカラー随伴を提案し、OGBenchの難タスクで成功率を大幅に改善した。
- 信頼領域Q-随伴マッチング強化学習2026/5/1
事前学習済みフローポリシーのオフポリシー強化学習を安定化するため、経路空間KLを信頼領域パラメータで制御するTRQAMを提案し、50のOGBenchタスクで既存手法を上回る性能を達成した。
- クロスビュー関係から学ぶ多視点空間推論VLA2026/3/30
多視点の空間推論能力を高めるための大規模データセットXVRを構築し、視覚言語モデルを微調整して、対応付け・検証・位置特定のタスクで性能を向上させ、ロボット操作にも効果があることを示した。
- 事前学習済みVLAモデルは継続学習において驚くほど忘却しにくいVLA2026/3/1
大規模な視覚-言語-行動モデルは、小さなリプレイバッファでも継続学習時にほとんど忘却せず、事前学習が忘却耐性に大きく寄与することを示した研究。
- 検証器不要のテスト時サンプリングによる視覚-言語-行動モデルVLA2025/10/1
VLAモデルが追加学習や外部検証器なしに、内部のマスキング分布を利用してテスト時に複数候補から最適な行動を選択する手法を提案。
- 視覚言語行動モデルのための対照表現正則化VLA2025/10/1
VLAモデルの表現をロボットの固有感覚状態と対照学習で整合させ、実機マニピュレーションの成功率を向上させた研究。
- DEAS: 行動系列を用いた分離価値学習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2025/10/1
行動系列を価値学習に活用し、価値の過大評価を分離学習で抑えることで、長期的タスクのオフライン強化学習や大規模VLAモデルの性能を向上させる手法を提案。
- HAMLET: 視覚言語行動モデルを履歴認識ポリシーに切り替えるVLA2025/10/1
各時刻の知覚情報を圧縮したモーメントトークンと軽量メモリモジュールで過去の文脈を統合し、VLAモデルを履歴依存タスクに適応させるフレームワークを提案。
- セグメント化されたデモンストレーションからのサブタスク認識型視覚報酬学習報酬学習2025/2/1
アクションなしの動画デモをサブタスクに分割し、その区間を正解報酬として密な報酬関数を学習するREDSを提案。複雑な操作タスクでベースラインを大きく上回り、未知タスクや異なるロボットへの汎化も示した。
- 適応的マルチモーダル報酬でエージェントを導く模倣学習2023/9/1
視覚観測と言語指示の類似度をCLIP空間で報酬として計算し、リターン条件付き方策を訓練することで、未知の指示への汎化性能を高める手法を提案。
- 選好トランスフォーマー:人間の選好をトランスフォーマーでモデル化する強化学習強化学習2023/3/1
人間の選好に基づく強化学習において、非マルコフ的報酬の重み付き和として選好をモデル化するトランスフォーマーアーキテクチャを提案し、実人間の選好を用いた制御タスクで従来法を上回る性能を示した。
- AIとロボットの権利に対する一般の認識調査社会受容性2020/8/1
オンラインユーザーと米国住民を対象に、AIやロボットに与え得る11の権利への第一印象を調査し、誤解を解く情報が意見をどう変えるかを実験的に検証した。
