Cong Li
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
- サンプリングベース外乱オブザーバによるSim-to-Realギャップの克服:解析モデルから学習型世界モデルまでsim2real2026/10/4
シミュレータや学習済み世界モデルにも適用できるサンプリングベース外乱オブザーバ(SDOB)を提案し、状態ロールアウトやコストクエリを通じてsim-to-realのずれを補償して制御性能を向上させた。
- 大規模マルチロボットシステムにおけるステルスアクチュエータ攻撃下での分散型セキュア学習制御群制御2026/9/7
マルチロボットシステム向けに、強化学習と分散モデル予測制御を統合し、悪意あるステルスなアクチュエータ攻撃に対抗する分散型セキュア学習制御フレームワークを提案した論文。
- 線形埋め込み空間での強化学習によるソフトロボット構成横断的な汎用制御ソフトロボティクス/強化学習2026/6/1
ソフトロボットの多様な形態・構成に迅速に適応できる汎用制御システムを、共有の線形Koopman埋め込み空間での強化学習により実現した。33構成で検証し、転移サンプルを75倍削減しつつ堅牢な性能を示した。
- スケーラブルなマルチロボット制御に向けて:分散MPCにおける高速方策学習群制御2024/12/1
分散モデル予測制御(DMPC)の計算負荷を削減するため、オンライン分散アクター・クリティックにより明示的な閉ループ方策を学習する分散学習ベース予測制御(DLPC)を提案し、大規模マルチロボット系の協調制御を効率化した。
- ニューロモルフィック時空間オプティカルフロー:人間を超える超高速視覚知覚の実現ニューロモルフィック視覚2024/9/1
2次元フローティングゲート型シナプストランジスタに時間情報を直接符号化し、1〜2msで関心領域を特定する時空間ニューロモルフィックオプティカルフローを提案した研究。
- 連続ロボット制御のための深層インクリメンタルモデル統合強化学習モデルベース強化学習2024/3/1
ロボットの動きを低サンプル数で予測する深層インクリメンタルモデルをポリシーと同時に学習し、モデルベース強化学習のデータ効率を高める手法を提案した。
- メムリスタによる微分ニューロモルフィック計算で非構造環境下の知能機械を実現ニューロモルフィック計算2023/9/1
メムリスタの多状態特性を活かした微分ニューロモルフィック計算により、非構造環境の知覚信号を処理し、物体把持と自動運転で有効性を示した研究。
- ステレオ視覚慣性LiDAR融合SLAMSLAM2019/2/1
ステレオVIOとLiDARマッピングを密結合し、トンネルなどLiDARが苦手な退化環境でも高精度に自己位置推定と地図生成を行うSLAMシステムを提案した。
