Chuchu Fan
Massachusetts Institute of Technology
収録論文 73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
- 未知外乱下の安全なナビゲーションのための信念誘導型残差適応制御ナビゲーション2026/11/7
モデル予測誤差から外乱の信念を推定し、高レベル方策で参照軌道を適応させる階層型強化学習フレームワークBRACEを提案。急変する風場でのクアッドコプター実験でMPCやRLベースラインを上回る到達回避性能を示した。
- 安全性証明関数の統一的概観：HJ到達可能性と制御バリア関数の技法安全性検証2026/11/5
HJ到達可能性解析と制御バリア関数という2大手法による安全性証明関数の合成を統一的に解説し、ベンチマーク比較を通じて実用的な選択指針を与えるチュートリアル論文。
- 視覚言語行動モデルの失敗要因を特定する因子分解リスクモデルVLA2026/10/19
VLAモデルが視覚的な破損（corruption）に敏感な点に着目し、どの破損を除去すれば失敗リスクが下がるかを推定する「失敗帰属」問題を定義。シーンと破損を分離表現する因子分解リスクモデルで、対になるクリーン画像や追加ロールアウトなしに除去効果を見積もる手法を提案した。
- FAITH: 高次元システムのための実行可能性を考慮した安全フィルタ付き強化学習安全強化学習2026/10/8
タスク方策と安全フィルタを分離し、学習した安全価値で最小介入フィルタを近似することで、高次元ヒューマノイドでも高い安全性とタスク性能を両立するモデルフリー強化学習フレームワークを提案。
- LASER: 潜在空間随伴マッチングによるサポート制約付きエントロピー正則化オフライン強化学習オフライン強化学習2026/10/6
フローマッチングで学習した振る舞いクローンポリシーの潜在空間内で、エントロピー正則化付きオフラインRLを行うLASERを提案し、OGBenchの40タスクで最先端性能を達成した。
- 対話型ロボット計画における意図曖昧性解消のためのベイズ能動学習VLA2026/9/28
自然言語指示の曖昧さを解消するため、LLMで候補仕様を生成しつつベイズ最適化で情報利得の高い確認質問を選び、形式計画で検証可能な軌道を合成する枠組みを提案した。
- 表現ガイドによるロボットマニピュレーション用実行可能プログラムの生成と統合マニピュレーション2026/9/25
VLMを用いて、物体中心表現を共有しながら知覚・計画・制御プログラムを生成・統合し、ロボットマニピュレーションを実現するフレームワークRIVETを提案。
- 不確実系に対する最小努力敵対ポテンシャルを用いた安全フィルタ安全フィルタ2026/9/23
外乱や不確実性があるシステムでも安全を保証するため、外乱が故障を引き起こすのに必要な努力を定量化するLEAPを提案し、深層強化学習で構築する手法を開発した。
- STL仕様下での論理依存追跡による高速制約抽出と修正制御制御/形式手法2026/9/8
Signal Temporal Logic仕様の不確実性下での充足を保証するため、論理依存追跡で不確実性を伝播させ、十分制約のDNFを高速抽出し、最小努力の制御修正を線形計画で実現する手法を提案。
- ペアシステムを用いた障害発見のためのカバレッジ考慮型能動評価能動学習/障害発見2026/8/13
限られたテスト予算で実世界の障害を効率的に発見するため、プロキシシステムの情報を活用しつつ、実システムの評価結果と組み合わせて障害が起きそうなシナリオを適応的に選択する手法を提案した。
- CBFベース強化学習による安全でスケーラブルなマルチドローンペイロード輸送：ゼロショットsim-to-real転送群制御2026/7/1
マルチドローンによる協調ペイロード輸送を、安全制約を保証するCBFベースの強化学習とドメインランダム化で訓練した分散ポリシーにより実現し、実機でゼロショット転送と動的環境での安全性を実証した。
- 実世界の故障記録を用いた自動運転システムテストのためのシナリオ生成自動運転テスト2026/6/1
自動運転システムのテスト用シナリオを、自然言語の故障記録からLLMを用いて生成するパイプラインを提案し、Metadriveシミュレータで多様なシナリオを生成してシステムの失敗を発見した。
- 時間論理のための価値関数：最適方策と安全フィルタ強化学習/時間論理2026/5/1
時間論理仕様に対する価値関数の最適性と方策の最適性の微妙な関係を解明し、非マルコフ方策を用いて病理を回避する最適方策を構築するとともに、Q関数を複雑な時間論理仕様の安全フィルタとして利用する方法を示した論文。
- 軌道駆動型ポリシー生成によるオンラインポリシー反復法最適制御/ポリシー反復2026/4/16
固定初期状態の決定論的有限ホライズン最適制御問題に対し、軌道データを用いてコストを単調に改善するポリシーを逐次生成するオンライン手法を提案した。
- 障害物環境をナビゲートする：マルチロボットシステムのためのウェイポイントベースの二段階計画群制御2026/4/1
本論文では、タスク計画と動作計画を共同最適化するハイブリッドなマルチロボット制御フレームワークを提案し、ウェイポイント表現とカリキュラム学習を用いて、障害物の多い環境でのタスク成功率を向上させた。
- ReFORM: ノイズ操作によるサポート上オフライン強化学習のための反射フローオフライン強化学習2026/2/1
オフライン強化学習において、フローポリシーを用いてサポート制約を構造的に満たしつつ、反射フローでノイズを操作して性能を最大化する手法を提案。
- 安全な最適制御におけるタスク論理のためのベルマン価値分解安全最適制御2026/2/1
時相論理で記述された複雑なタスクのベルマン価値を、到達回避・回避・新たに提案する到達回避ループの各ベルマン方程式で結ばれたグラフに分解し、それを二層ニューラルネットに埋め込むVDPPOを提案。高次元タスクで安全性と活性を自動的に両立させ、既存手法を大きく上回る性能を示した。
- 未知の実行可能性を持つパラメータロバスト回避問題を強化学習で解く強化学習2026/2/1
強化学習を用いて、安全な方策が存在する初期条件の部分集合を特定しながら、その集合上で到達可能性問題を解く手法FGEを提案した。
- 未知パラメータの安全なオンライン学習のためのパラメータロバストMPPI制御/オンライン学習2026/1/1
パラメータの不確かさに対処するため、オンライン学習と確率的な安全制約を統合したMPPI制御フレームワークを提案し、シミュレーションと実機で有効性を示した。
- 3Dシーングラフを用いた自動推論のための構造化インターフェースVLA2025/10/1
LLMと3Dシーングラフを連携させて自然言語を接地する際、シーングラフ全体をテキスト化する代わりにグラフデータベースとCypherクエリを介して必要な部分だけを取得する手法を提案し、大規模シーングラフでの性能とトークン効率を改善した。
- シミュレーションからルールへ：形式的視覚計画のためのデュアルVLMフレームワークVLA2025/10/1
視覚言語モデルとPDDLプランナを組み合わせ、シミュレーションと生成の2つのVLMでPDDLのドメインと問題ファイルを自動生成し、未知の環境や外観でも計画を可能にするフレームワークを提案。
- TGPO: 信号時相論理タスクのための時間的根拠付き方策最適化強化学習2025/10/1
信号時相論理（STL）で記述された複雑な長期タスクを、時間割り当てを階層的に探索する強化学習手法で解く。
- 制御バリア関数を用いた階層型マルチエージェント強化学習による安全クリティカル自律システムマルチエージェント強化学習2025/7/1
制御バリア関数に基づく階層型マルチエージェント強化学習を提案し、多数のエージェントが衝突を避けつつ協調してタスクを達成する安全な方策を学習する。
- 言語に基づく階層的計画と実行：マルチロボット3Dシーングラフの活用マルチロボット・タスク計画2025/6/1
複数のロボットが共有する3Dシーングラフと大規模言語モデルを組み合わせ、自然言語の指示を解釈して屋外環境で複雑なタスクを計画・実行するシステムを開発した。
- 衝突と到達可能性を考慮したLLMプランナーによるマルチロボット制御マルチロボット制御2025/5/1
物理制約を考慮した計画を生成するため、検証可能な報酬を用いた強化学習で小型LLMを訓練し、マルチロボット制御における衝突や到達不能問題を解決した。
- TeLoGraF: グラフ符号化フローマッチングによる時相論理プランニング時相論理プランニング2025/5/1
信号時相論理(STL)仕様を満たす行動を、グラフニューラルネットとフローマッチングで学習する手法を提案し、20万件のSTLデータセットで訓練してロボットアームや四足歩行のナビゲーションなどで従来法より高速・高成功率を達成した。
- AuDeRe: LLMによるロボット計画・制御の戦略自動決定と実現VLA2025/4/1
タスク記述や環境制約に基づき、LLMが適切な計画・制御アルゴリズムを選択し、APIを呼び出して実行するフレームワークを提案。性能フィードバックによる反復推論で選択を洗練させ、ロボットの自律性を高める。
- 分散エピグラフ形式によるマルチエージェント安全最適制御MARL2025/4/1
制約付きマルコフ決定過程をエピグラフ形式で解くことで訓練を安定化させ、集中訓練・分散実行型の安全マルチエージェント強化学習手法Def-MARLを提案し、シミュレーションと実機ドローンで有効性を示した。
- コードを記号的プランナーとして用いる基盤モデルによるロボット計画タスク・動作計画2025/3/1
LLMにコードを生成させ、それをソルバー・プランナー・チェッカーとして使うことで、複雑な制約下のロボットタスク・動作計画の成功率を平均24.1%向上させた。
- グラフニューラルネットワーク変分オートエンコーダによる信頼性と効率性を両立したマルチエージェント協調群制御2025/3/1
MILPの解をGNN-VAEで潜在空間に学習し、大規模なロボット群の協調問題を高速かつ制約を守りながら解く手法を提案した。
- 予測地平線の先まで安全に：ニューラル制御バリア関数を用いた効率的なサンプリングベースMPCMPC/安全制御2025/2/1
予測地平線を超えた安全性を保証するため、ニューラル制御バリア関数を変分推論MPCに組み込み、サンプリング戦略を改善してCPU上でのリアルタイム計画を可能にした。
- マルチエージェント安全最適制御のための離散GCBF近接方策最適化マルチエージェント安全制御2025/2/1
未知の離散時間動力学・部分観測・近傍変化・入力制約下で、離散グラフ制御バリア関数と高性能安全方策を同時学習するDGPPOを提案し、複数シミュレータで安全性と性能の両立を示した。
- 限られた実機デモンストレーションからの失敗予測sim2real2024/10/1
実機での限られたデモとモデルシミュレーションを組み合わせ、ガウス過程回帰で失敗を予測する3段階手法を提案し、ロボットアームの押し操作と自動運転車の追従制御で有効性を示した。
- 強化学習による最小コスト到達回避問題の解法強化学習2024/10/1
到達と安全回避の制約下で累積コストを最小化する問題を、Hamilton-Jacobi到達可能性との関連を用いて強化学習で直接解くRC-PPOを提案し、Mujocoベンチマークで最大57%のコスト削減を達成した。
- オンラインでのロバスト安全フィルタ構築：方策制御バリア関数によるアプローチ安全制御2024/10/1
価値関数をオンライン推定することでロバストな制御バリア関数を近似し、高相対次数・入力制約系でも外乱下で安全を保証するRPCBFを提案。シミュレーションとクアッドコプター実機で有効性を実証。
- 混合整数線形計画法による剛体経路計画経路計画2024/9/1
衝突のない凸多面体グラフを構築し、小さなMILPを多数解くことで、混雑環境でもスケーラブルに剛体の経路をオンライン生成する手法を提案。
- 道路網上におけるマルチエージェント型フライングサイドキック巡回セールスマン問題の最適化群制御2024/8/1
複数のトラックとドローンによる配送システムを実際の道路網上で扱うMA-FSTSPを定式化し、3段階ヒューリスティックで大規模問題を高速に解く手法を提案した。
- 画像ベースNN制御システムの合成と展開によるスケーラブルな代理検証制御検証2024/5/1
画像を入力とするニューラルネット制御システムの安全性検証において、cGANを代理モデルとして用い、制御ループを展開して検証ツールで解析することで、精度とスケーラビリティを向上させる手法を提案した。
- 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。
- 基盤モデルによる救済：接続型マルチロボットシステムのデッドロック解消群制御2024/4/1
LLMやVLMを高レベルプランナとして用い、リーダーと経由点を割り当てることで、マルチロボットシステムのデッドロックを解消する階層制御フレームワークを提案した。
- RADIUM: 勾配加速サンプリングによるエンドツーエンドロボット故障の予測と修復sim2real2024/4/1
微分可能なシミュレーションとレンダリングを活用し、ベイズ推論の枠組みでロボットシステムの故障を予測し、設計や制御則を自動修正する手法を提案。群ロボット探索やUAV編隊制御などで検証。
- 多段階タスクにおけるプロンプト最適化：人間のフィードバックとヒューリスティックサンプリングの統合プロンプト最適化2024/2/1
人間が設計したフィードバックルールと学習済みヒューリスティックモデルを組み合わせ、LLMエージェントの多段階タスク向けプロンプトを自動最適化するフレームワークPROMSTを提案し、11タスクで既存手法を大幅に上回った。
- GCBF+：分散型安全マルチエージェント制御のためのニューラルグラフ制御バリア関数フレームワーク群制御2024/1/1
グラフ制御バリア関数（GCBF）を提案し、グラフニューラルネットワークでパラメータ化することで、大規模なマルチエージェントシステムの分散型安全制御を実現するフレームワークGCBF+を開発した。ドローン群での実機実験により有効性を示した。
- 確率的ゼロ制御バリア関数の概確実安全性保証は成立しない制御理論2023/12/1
2021年の確率的制御バリア関数論文の定理と証明が誤りであることを反例で示し、確率的RCBFの正しい証明と修正ZCBF条件を提案した。
- マルチロボットシステムのための安全制御の学習：手法・検証・未解決課題群制御2023/11/1
複数ロボットの安全な制御を学習ベースで実現する手法を、安全性の概念からシールディング、制御バリア関数学習、安全考慮型マルチエージェント強化学習、検証ツールまで体系的にサーベイし、今後の課題を整理した。
- ニューラル制御バリア関数の訓練法：複雑な入力制約系のための安全フィルタ学習安全制御2023/10/1
入力制約下の高次元システムでも安全を保証できるよう、名目方策の価値関数を学習して制御バリア関数を構成するPNCBFを提案し、F-16やクアッドコプターで有効性を示した。
- 動的対称性を利用したLSTMによるクアッドロータの故障検出と同定故障検出2023/9/1
クアッドロータの動的対称性を利用し、1つのモータの故障データのみで学習したLSTMベースのモデルフリー故障検出・同定手法を提案し、90%以上の精度を達成した。
- 大規模言語モデルによるスケーラブルなマルチロボット協調：集中型か分散型か？マルチロボット協調2023/9/1
LLMをマルチロボットのタスクプランナーとして用いる際の4つの通信フレームワーク（集中型・分散型・ハイブリッド2種）を比較し、ハイブリッド型がタスク成功率とエージェント数へのスケーラビリティで優れることを示した。
- ベイズ推論で失敗を予測・修復：サンプリングによる効率的な故障モードの特定sim2real2023/9/1
微分可能シミュレーションと近似ベイズ推論を組み合わせ、自律システムが失敗しやすい状況を多様に予測し、設計を自動修正して故障を未然に防ぐフレームワークを提案した。
- 信号時相論理ニューラル予測制御制御/強化学習2023/9/1
STL仕様を満たす軌道を生成するニューラル制御器を学習し、予測制御とバックアップポリシーで安全性を確保する手法を提案。
- AutoTAMP：LLMを翻訳者・検証者として用いる自己回帰的なタスク・動作計画タスク・動作計画2023/6/1
自然言語のタスク記述をLLMで中間表現に変換し、TAMPアルゴリズムでタスクと動作を統合計画する手法を提案。自己回帰的な再プロンプトで構文・意味エラーを自動修正し、複雑なタスクでの成功率を向上させた。
- エピグラフ形式と深層強化学習による安定化・回避最適制御の解法制御/強化学習2023/5/1
安定化と安全制約を同時に満たす制御問題を、エピグラフ形式の二段階最適化に変換し、オンポリシー深層強化学習とニューラルネット回帰を組み合わせて解く手法を提案した。
- 領域吸引プランナを備えたハイブリッド系のニューラル制御ハイブリッド制御2023/3/1
各モードのニューラル制御器とLyapunov関数、モード間の領域吸引推定器、切替時に次モードの領域吸引へ着地させる微分可能プランナを組み合わせ、ハイブリッド系を安定化する階層的NN手法を提案した。
- ConBaT: 安全な方策学習のための制御バリアトランスフォーマー安全強化学習2023/3/1
制御バリア関数の考え方をトランスフォーマーに取り入れ、最小限の安全ラベルから安全なロボット行動を自己教師あり学習し、展開時に軽量なオンライン最適化で安全集合内の行動を選ぶ手法を提案。
- シールドモデル予測パス積分：制御バリア関数を用いた計算効率の良いロバストMPCアプローチロバストMPC2023/2/1
MPPIに制御バリア関数を組み合わせ、外乱に強くCPUでもリアルタイムに動くShield-MPPIを提案し、自動運転レースで制約違反を大幅に削減した。
- 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。
- 密度プランナー：密度ベース到達可能性による動的障害物下での衝突リスク最小化運動計画運動計画2022/10/1
ニューラルネットとリウヴィル方程式で不確実な初期状態の密度発展を学習し、勾配最適化で衝突リスクを最小化する運動計画手法を提案。モデル予測制御より高速で安全な軌道を生成。
- 安全な自律運動計画のための到達可能状態密度計算のケーススタディ運動計画2022/9/1
データ駆動型手法で到達可能状態の密度を推定し、衝突リスクをオンライン計算してモデル予測制御と組み合わせることで、不確実性下でも安全な経路計画を実現する。
- バリア関数による安全を考慮した力フィードバック制御力制御2022/9/1
制御バリア関数（CBF）を用いて、許容される最大の力とトルクの仕様から直接コンプライアントな力フィードバック制御器を導出する手法を提案し、人間との協調作業で有効性を示した。
- NeRFと制御バリア関数による視覚ベース制御の安全保証安全制御2022/9/1
NeRFを用いて未知視点の画像を予測し、制御バリア関数に基づく安全フィルタを構築することで、視覚フィードバック制御の安全性を保証する手法を提案した。
- 微分可能プログラミングによる検証可能なロボット設計最適化設計最適化2022/4/1
微分可能プログラミングと統計的検証フレームワークを組み合わせ、ロボットの知覚・計画・制御・ハードウェアを統合的に最適化しつつ設計の堅牢性を証明する手法を提案した。
- 微分可能時相論理に基づく計画のためのロバスト反例誘導最適化計画/時相論理2022/3/1
信号時相論理(STL)仕様を満たすロバストな計画を、局所最適化と反例探索を交互に行う微分可能時相論理で求める手法を提案し、衛星ランデブー計画で有効性を示した。
- 複数アーム組立システムのための協調タスク・動作計画マニピュレーション2022/3/1
複数ロボットによる組立作業を対象に、タスク割当と衝突回避動作を階層的に同時計画し、メイクスパンを抑えた安全な組立計画を生成するフレームワークを提案した論文。
- 学習された証明書による安全制御：ニューラルリアプノフ・バリア・収縮法のサーベイ安全制御2022/2/1
制御方策と同時に証明書を学習することで安全性や安定性を保証する手法（ニューラルリアプノフ・バリア・収縮法）の理論と実践を包括的に解説したサーベイ論文。
- 安全性を保証する知覚フィードバック型ハイブリッド制御の学習安全制御2022/1/1
LiDARなどの知覚センサから直接CBFとCLFを学習し、安全性と目標到達性を保証するスイッチング型ハイブリッド制御器LOCUSを提案。未知環境でも安全に動作し、実機でも検証した。
- 時相論理仕様に基づくマルチエージェント動作計画マルチエージェント計画2022/1/1
信号時相論理(STL)で記述された複雑な協調タスクに対し、timed waypointを介して非線形・非ホロノミックなロボット群の計画を混合整数線形計画として解く手法を提案した論文。
- 学習ベース制御のための神経収縮計量の理論的概観：安定性保証付き制御理論2021/10/1
学習ベース制御の安定性を保証するため、最適収縮計量をニューラルネットでモデル化するNCMの理論を概説し、外乱下でも目標軌道との誤差が指数的に減少することを示した。
- ロバストなニューラルLyapunov-Barrier関数による安全な非線形制御安全制御2021/9/1
モデル不確かさに頑健な制御Lyapunov-Barrier関数を学習し、安全性と安定性を保証するフィードバック制御器を合成する手法を提案。ロバストMPCと同等以上の性能を1桁低い計算コストで実現した。
- ガウス過程とニューラル制御収縮計量による不確実性を考慮した安全探索計画安全探索計画2021/5/1
未知の外乱関数をガウス過程で推定し、ニューラル制御収縮計量に基づく追従制御と不確実性チューブで安全な探索計画を実現する手法を提案した。
- 線形ハイブリッドシステムに対する最適な離散連続混合計画計画2021/2/1
離散と連続の制御変数を持つハイブリッドシステムの計画問題を混合整数線形計画法(MILP)で定式化し、最適解を効率的に求める手法を提案した論文。
- 非線形ダイナミクスと有界外乱を考慮したスケーラブルで安全なマルチエージェント動作計画マルチエージェント計画2020/12/1
各エージェントの追従誤差を事前計算し、混合整数線形計画と優先度探索で衝突のない経路を計画する手法を提案。地上車両とクアッドロータの2D/3Dベンチマークで既存手法より高速・高品質を実証した。
- 収縮計量を用いた認証付き制御の学習制御学習2020/11/1
ニューラルネットワークで収縮計量と制御器を同時に学習し、任意の初期状態と有界外乱下で目標軌道への収束や追従誤差の上限を保証する認証付き制御則を構成する手法を提案した。
- 確率的な安全保証を備えた反応型動作計画動作計画2020/11/1
他エージェントの予測モデルをMPCに組み込み、post-bloating・SVM・conformal分析で予測の一般化保証を与える動作計画手法を提案し、自動運転高速道路シナリオで検証した。
