Daniel Marta
ETH Zürich
収録論文 6本 ・ フィジカルAI/ロボット学習
強化学習VLA選好ベースRL選好ベース強化学習
※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
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- VioLA: 人間のデータから汎用人型制御ポリシーを学習VLA2026/10/8
関節コマンドではなく身体・手の動作潜在表現を予測する汎用人型ポリシーを提案し、人間の動作記録をそのまま学習に活用することで、タスク固有の微調整なしに実機で指示追従を実現した。
- フローベースの視覚言語行動モデルにおける不確実性の定量化VLA2026/6/16
フローマッチングを用いた視覚言語行動モデル(VLA)に対して、速度場の不一致に基づく効率的な不確実性推定手法を提案し、失敗検出と能動的ファインチューニングに応用した。
- FLoRA: 低ランクスタイル適応によるサンプル効率の良い選好ベース強化学習選好ベースRL2025/4/1
事前学習済みロボットの報酬モデルに低ランク行列を追加して選好に適応させることで、元タスクの性能を保ちながら少ない選好データでスタイル適応を実現する手法を提案。
- VRと2Dインターフェースが選好に基づくロボット学習における人間のフィードバックに与える影響VLA2025/3/1
ロボットナビゲーションの選好学習において、VRと2Dインターフェースのどちらで人間のフィードバックを集めるかが、ユーザー体験や選好の一貫性、学習された方策に与える影響を大規模データセットで比較分析した研究。
- PREDILECT: 強化学習におけるゼロショット言語推論を用いた選好の明確化選好ベース強化学習2024/2/1
人間の選好とテキストによる追加情報を組み合わせ、大規模言語モデルのゼロショット推論を活用してサンプル効率を高める選好ベース強化学習手法を提案し、社会規範に沿ったナビゲーションで有効性を示した。
