Chenning Yu

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

• 拡散モーダル結合による制御可能な動作生成
  動作生成2025/3/1

  拡散モデルにマルチモーダルな事前分布とモーダル結合を導入し、物理制約やタスク目標に沿った制御可能な動作生成を実現するフレームワークを提案。

• 制御バリア関数誘導ニューラルコントローラによるマニピュレータの効率的動作計画
  マニピュレーション2024/4/1

  制御バリア関数（CBF）を学習したニューラルコントローラでRRTのサンプリングを誘導し、混雑環境でのマニピュレータ動作計画を高速化・高成功率化する手法を提案。

• 安全強化学習のための反復的可到達性推定
  安全強化学習2023/9/1

  確率的環境で安全性を保証しつつ性能を犠牲にしない安全強化学習フレームワークRESPOを提案し、可到達性推定関数を用いたアルゴリズムが局所最適解に収束することを理論的に示した。

• スケーラブルな動的障害物回避のための逐次ニューラルバリア
  ナビゲーション2023/7/1

  各障害物の状態時系列に分解して逐次ニューラル制御バリア関数を学習し、少数の障害物で訓練した方策を100倍の障害物密度でも汎化可能にした動的障害物回避手法。

• グラフトランスフォーマーによる有界準最適なマルチエージェント計画の高速化
  マルチエージェント計画2023/1/1

  マルチエージェント経路探索を高速化するため、グラフトランスフォーマーをヒューリスティック関数として用いる学習ベース手法を提案。完全性と任意の有界準最適性を保証し、密なグラフ環境で汎化性能と高速性を示した。

• グラフニューラルネットワークによるマルチエージェントナビゲーションのための制御許容モデル学習
  群制御2022/10/1

  マルチエージェントナビゲーションにおいて、最適行動の予測ではなく許容行動の集合を予測する制御許容モデル（CAM）をグラフニューラルネットワークで学習し、少数エージェント環境で訓練したモデルを数百エージェントの密集環境に組み合わせて適用可能にした。

• グラフニューラルネットワークによるサンプリングベース運動計画の衝突判定削減
  運動計画2022/10/1

  グラフニューラルネットワークを用いて経路探索と平滑化を行い、サンプリングベース運動計画における衝突判定を削減して計画を高速化する手法を提案した。

• GNNと時間エンコーディングを用いた動的環境における学習ベース動作計画
  動作計画2022/10/1

  動的障害物の軌跡を考慮する必要がある動作計画問題に対し、GNNと時間エンコーディング、模倣学習を組み合わせて計画を高速化する手法を提案した。衝突チェックを大幅に削減し、成功率も維持できることを示した。