David Filliat

収録論文 15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

• 多分岐コンティンジェンシーゲームのためのカスケード合意分割
  マルチエージェント計画2026/9/29

  エージェントの意図が異なるタイミングで明らかになる状況に対応するため、多分岐コンティンジェンシーゲームとADMMベースの並列解法を提案し、従来の単一分岐より優れた性能と計算時間の短縮を実現した。

• 分散型マルチロボット探査のための接続性を考慮したグラフ拡張手法
  群制御2026/9/1

  通信が不安定な環境下での複数UAVによる未知領域探査を対象に、フロンティアの接続性に基づく新しい探査グラフ拡張戦略を提案し、領域分割の安定性と探査効率を向上させた。

• マルチモーダル身体性認識ナビゲーショントランスフォーマー
  ナビゲーション2026/4/1

  複数のプラットフォームと環境からのデータを用いて、RGB画像、3D LiDAR点群、目標埋め込み、ロボットの身体性記述子を融合するトランスフォーマーベースのナビゲーションポリシーを提案し、拡散モデルによる軌道生成と衝突予測ヘッドによりロバスト性を向上させた。

• オープンソースのLiDAR・単眼カメラ対応オフロード自律航法スタック
  オフロード航法2026/4/1

  オフロード自律航法向けに、LiDARと単眼カメラの両方をサポートするオープンソースの航法スタックを提案。単眼構成では基礎モデルによる深度推定とSLAM計測を組み合わせ、頑健性を向上させた。

• 不確実性区間を考慮した決定を行う可動障害物間ナビゲーションNAMOUnc
  ナビゲーション2025/9/1

  観測ノイズや行動失敗などの不確実性を見積もり、障害物を除去するか迂回するかの時間コスト区間を比較して意思決定するNAMOフレームワークを提案し、実機実験で有効性を示した。

• オンライン抽象状態表現学習による効率的な方策最適化
  強化学習2021/9/1

  状態表現学習を方策最適化と統合し、動的損失重み付けと専門家デモンストレーションの活用によりサンプル効率と最終報酬を改善するアルゴリズムPOARを提案した論文。

• SCOD: 行動系列の感覚可換性を利用した身体性エージェントの能動的物体検出
  物体検出2021/7/1

  同じ開始点から行動系列を異なる順序で実行し、最終観測を比較することで可動・不可動物体を検出する能動的手法SCODを提案。3Dロボット環境と実機で精度と汎化性を実証した。

• 高レベル運転指示に対する自動運転のロバスト性評価
  自動運転2021/5/1

  都市環境の自動運転エージェントが誤った高レベル指示を受けた際の安全性を評価するベンチマーク手法を提案した論文。

• DREAMアーキテクチャ：ロボティクスにおけるオープンエンド学習への発達的アプローチ
  発達ロボティクス2020/5/1

  ロボットが環境やタスクに応じて状態表現を段階的に再記述・獲得し、知識を転移できる発達的認知アーキテクチャDREAMを提案した論文。

• ロボティクスにおける継続学習：定義・枠組み・学習戦略・機会と課題
  継続学習2019/7/1

  ロボットが実世界で連続的に観測しながら過去の知識を忘れずに新スキルを学ぶ継続学習について、定義・枠組み・戦略を整理し、シミュレーションや静的データセット評価の限界と実機応用への課題を論じたサーベイ。

• 方策蒸留とSim2Real転移による実環境での継続強化学習
  継続強化学習2019/6/1

  3輪オムニロボットの2Dナビゲーションを題材に、状態表現学習と方策蒸留を組み合わせて、逐次与えられる複数タスクを忘れずに解く継続強化学習手法を実機へ適用した。

• 特徴抽出と方策学習の分離：ゴールベースロボティクスにおける状態表現学習の利点評価
  状態表現学習2019/1/1

  視覚からの強化学習において、状態表現学習を方策学習から切り離す手法を複数評価し、複数の表現を積み重ねる新しい教師なしモデルを提案した。サンプル効率が向上し、ハイパーパラメータ変化にも頑健であることを示した。

• 探索しながら視覚的顕著性を学ぶ：RL-IACアプローチ
  能動学習・探索2018/4/1

  移動ロボット上で深度ベースの物体検出器から視覚的顕著性モデルをオンライン学習し、強化学習による好奇心駆動型探索（RL-IAC）で効率的にサンプルを選んで学習時間を大幅短縮した研究。

• ロボット事前分布による教師なし状態表現学習のロバスト性ベンチマーク
  表現学習2017/9/1

  ロボットのRGB画像から腕の3D位置を教師なしで低次元表現として学習し、画像拡大やドメインランダム化などの難条件下での頑健性を定量的に評価した研究。

• 皮質-基底核-視床-皮質ループの計算モデルによるナビゲーションと行動選択の統合
  認知アーキテクチャ2006/1/1

  脊椎動物の大脳基底核を模した2つの皮質-基底核-視床-皮質ループを用い、人工代謝の生存制約下で行動選択と複数のナビゲーション戦略を両立させる生物模倣制御アーキテクチャを構築し、シミュレーションで評価した。