David Hoeller
収録論文 17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
- Isaac Lab:マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワークsim2real2025/11/1
GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。
- RSL-RL: ロボティクス研究のための学習ライブラリ強化学習ライブラリ2025/9/1
ロボティクス研究向けに設計された軽量で拡張しやすい強化学習ライブラリを提案し、GPU特化の高速学習と実機実験での有効性を示した。
- 空間強化リカレントメモリによる長距離マップレスナビゲーションのためのエンドツーエンド強化学習ナビゲーション2025/6/1
既存のRNNの空間記憶能力の限界を指摘し、空間記憶を強化するSRUを提案。単眼ステレオカメラを用いた長距離マップレスナビゲーションを実現し、既存RNN比で23.5%の性能向上を達成。
- 危険な地形における俊敏な歩行の学習歩行2023/11/1
強化学習により、飛び石や平均台のような危険で足場が疎な地形を、四足ロボットが動的に高速で移動できるようにした研究。
- ANYmalパルクール:四足歩行ロボットのための俊敏なナビゲーション学習歩行2023/6/1
四足ロボットが歩行・ジャンプ・登攀・しゃがみなどのスキルを階層的に学習し、未知の障害物を連続して高速で越えるナビゲーションを実現した。
- Orbit: インタラクティブロボット学習環境のための統合シミュレーションフレームワークsim2real2023/1/1
NVIDIA Isaac Simを基盤に、フォトリアルなシーンと高忠実度の剛体・変形体シミュレーションを備えたモジュール式ロボット学習フレームワークOrbitを提案。GPU並列化により強化学習やデモ収集を高速化し、16のロボット、4種のセンサ、20以上のベンチマークタスクを提供する。
- 移動と局所ナビゲーションをエンドツーエンドで学習する高度スキル歩行2022/9/1
脚式ロボットの局所ナビゲーションを、経路計画・追従・歩行制御に分割せず、深層強化学習でエンドツーエンド方策として学習し、実機で難所横断を実現した。
- 構造化地形を移動するロボットのためのニューラルシーン表現歩行2022/6/1
オンボードカメラのノイズの多い深度計測から、4D全畳み込みネットワークと自己回帰フィードバックを用いてロボット周辺の地形を再構成し、四足歩行ロボットANYmalの不整地移動を実現した。
- 歩行ポリシーに基づく3次元ボクセル表現を用いた走破性学習歩行2022/3/1
物理シミュレータで大量の歩行経験を収集し、3Dボクセル占有マップから歩行ポリシーに適した走破性コストを予測する疎畳み込みネットワークを学習、脚式ロボットの経路計画に応用した。
- 大規模並列深層強化学習による数分での歩行学習歩行2021/9/1
単一GPU上の大規模並列シミュレーションで四足歩行ロボットの歩行方策を数分で学習し、実機に転移できることを示した論文。
- Isaac Gym:ロボット学習のためのGPUベース高性能物理シミュレーションsim2real2021/8/1
物理シミュレーションとニューラルネットワーク学習を両方GPU上で実行し、CPUボトルネックを排除することで、ロボット強化学習の訓練を従来比2〜3桁高速化したプラットフォームを提案。
- 雑然とした動的環境における状態表現学習と四足ロボットのナビゲーション歩行2021/3/1
深度カメラ画像と自己の軌跡を融合して世界の状態表現を教師なしで学習し、その表現を強化学習方策に直接入力することで、静的・動的障害物のある環境での四足ロボットの局所ナビゲーションを実現した。シミュレーションで短時間に学習でき、実機ANYmalへのsim-to-real転移にも成功している。
- 未知環境における全身移動マニピュレーションによる関節物体操作移動マニピュレーション2021/3/1
未知のキッチン環境でキャビネットやオーブンなどの関節物体を操作するため、物体中心プランナと全身運動制御を組み合わせた2段階アーキテクチャを提案し、車輪型・脚型移動マニピュレータで検証した。
- 深層強化学習による関節空間制御マニピュレーション2020/11/1
逆運動学の微分方程式を使わず、深層強化学習でタスク空間から関節空間への写像を学習する汎用的な関節レベル制御器を提案し、シミュレーションと実機でセンチメートル以下の精度を達成した。
- 接触に適応する四脚ロボット制御の階層学習フレームワーク歩行2020/9/1
モデルベース制御と強化学習を組み合わせ、環境変化に応じてプリミティブを選択する階層型制御器を四脚ロボット向けに学習させ、省エネ性と頑健性を向上させた。
- 実機ロボットで1時間以内に疎な目的から学ぶMPC向け実用的強化学習強化学習/MPC2020/3/1
強化学習の価値学習を用いて、専門家が手調整していたMPCのコスト関数を高レベルで疎な目的のみから自動学習し、実機の無人地上車両で専門家調整と同等の性能を達成した。
- 深層価値モデル予測制御モデルベース強化学習2019/10/1
価値関数推定とモデルベース軌道最適化を組み合わせたアクター・クリティック手法DMPCを提案し、Ballbotでスパース報酬による障害物回避と目標到達を効率化した。
