Daniel Ho

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

• 大規模深層強化学習：オフィスビルでの移動マニピュレータ群による廃棄物仕分け
  マニピュレーション2023/5/1

  実世界データとシミュレーションを組み合わせた深層強化学習により、23台の移動マニピュレータがオフィスビルでリサイクル品とゴミを仕分けるシステムを構築し、大規模に評価した。

• 行動クローニングにおける価値近似による失敗予測と支援要請
  模倣学習2023/2/1

  行動クローニングポリシーと同時に学習した状態価値関数を用いて失敗を予測し、ロボットが自律的に支援を要請できるようにする手法BCVAを提案し、ドア開けタスクで86%の精度と81%の再現率を達成した。

• 言う通りでなく、できる通りに：ロボットのアフォーダンスに言語を接地する
  VLA2022/4/1

  大規模言語モデルの高レベル知識と事前学習済みスキルの価値関数を組み合わせ、実世界で実行可能な行動に言語を接地させる手法を提案し、実機タスクで有効性を示した。

• 複数センサ入力のベイズ模倣学習による移動マニピュレータのエンドツーエンド制御
  模倣学習/sim2real2022/2/1

  Variational Information BottleneckでCNNを正則化し、RGBと深度の不確実性に応じた融合でsim2realギャップを縮め、実オフィスでのドア開けタスク成功率96%を達成した。

• タスク整合性損失による実世界での実用的な模倣学習
  模倣学習/sim2real2022/2/1

  シミュレーションと実世界の特徴量・行動予測レベルでの整合を促す自己教師あり損失（TCL）を導入し、移動マニピュレータがドアに接近して取っ手を回し開けて入室するタスクをRGB-D画像から end-to-end で学習、未見のドアにも汎化して72%の成功率を達成した。

• SimGAN：敵対的強化学習によるハイブリッドシミュレータ同定とドメイン適応
  sim2real2021/1/1

  ニューラルネットと物理シミュレーションを組み合わせたハイブリッドシミュレータを敵対的強化学習で同定し、手動設計なしにsim-to-realなどのドメイン適応を実現するフレームワークを提案。

• RetinaGAN：物体認識を考慮したSim-to-Real転移手法
  sim2real2020/11/1

  物体検出の一貫性を保ちながらシミュレーション画像を実画像へ変換するGANを提案し、把持・押し・ドア開けの実タスクでsim-to-real性能を向上させた。

• 接触を考慮したオンライン文脈推論による汎化可能な非平面押し操作
  マニピュレーション2020/11/1

  接触リッチな相互作用から動特性の文脈埋め込みをオンラインで推定する深層強化学習手法COCOIを提案し、物体を直立させたまま目標位置へ押す非平面押しタスクでシミュレーションと実機転移の有効性を示した。