Dileep Kalathil
Texas A&M University
収録論文 12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
- 予測ではなく計画のために適応せよ:楽観的テスト時ワールドモデル適応ワールドモデル2026/10/26
計画に使うワールドモデルをテスト時に閉ループで適応させる際、予測損失に加えて計画器の目標到達コストも最小化する楽観的適応手法OpTTAを提案し、操作・到達・ナビゲーションで成功率を向上させた。
- ReGuide: テスト時ガイダンスから自己改善型拡散ポリシーへ拡散ポリシー/自己改善2026/6/1
拡散ポリシーの共変量シフト問題に対し、テスト時にガイダンスで生成した修正軌道を再利用してポリシーを自己改善するフレームワークを提案した。
- 強化学習によるクアッドローターの適応型アウターループ制御強化学習/制御2026/5/1
クアッドローターの飛行制御に強化学習を適用し、外乱を推定する残差ダイナミクス予測器と実機転送のための校正機構を導入して、動的擾乱下でも高精度な軌道追従を実現した。
- 楽観的ワールドモデル:モデルベース深層強化学習における効率的探索モデルベース強化学習2026/2/10
モデル学習に楽観的なダイナミクス損失を組み込み、報酬の高い遷移を優先する探索手法を提案。DreamerV3やSTORMに適用し、サンプル効率と累積報酬を改善。
- 関数近似を用いたロバスト強化学習のための自然アクター・クリティックロバスト強化学習2023/7/1
シミュレータと実環境のギャップに頑健な方策を学ぶため、二重サンプリングと積分確率指標に基づく不確実性集合を導入し、関数近似を用いたロバスト自然アクター・クリティック法を提案した。
- デモンストレーションを活用した疎報酬環境におけるメタ強化学習の強化メタ強化学習2022/9/1
疎な報酬環境でのメタ強化学習において、各タスクのデモンストレーションデータを活用して訓練をガイドし、性能を向上させる手法EMRLDを提案した。
- UAVの視覚ベース着艦のためのロバスト強化学習アルゴリズム強化学習/着陸2022/9/1
単眼カメラのみを用いてVTOL UAVの自律着艦を実現するため、水平基準バーを追跡する視覚アルゴリズムと強化学習制御を開発し、風などの外乱下でもPID制御より優れた性能を示した。
- ビジョンベースのVTOL UAV自律船舶着陸システムビジョン制御2022/2/1
GPSを使わず、機械学習による船舶検出とホライズンバーを用いた視覚制御で、VTOL UAVの移動甲板への自律追従・着陸を実現した研究。
- 実データで適応するオフロード軌道追従の強化学習sim2real2021/10/1
簡単な運動学シミュレータで学習したRL方策を、30分の実走行データで教師あり適応させ、オフロード車両の軌道追従におけるsim-to-realギャップを克服した研究。
- GPS不要のビジョンベース移動プラットフォーム自律着陸制御ビジョン制御/自律着陸2020/8/1
単眼カメラと視覚マーカーを用いてVTOL機の移動プラットフォームへの追従・自律着陸をGPSなしで実現する手法を提案し、シミュレーションと実機で5cm未満の着陸誤差を示した。
- D2C 2.0: モデルフリーILQRによる確率非線形システムの分離型データ駆動制御学習モデルフリー制御2020/2/1
フィードバック方策を構造的に線形パラメータ化し、モデルフリーILQRと組み合わせることで、確率的非線形システムの制御をサンプル効率よく学習する手法を提案した論文。
- 非線形動的システム制御のための分離型データベース学習法制御学習2019/4/1
未知の非線形確率システムに対し、開ループ軌道最適化とその周りの線形化による閉ループ制御を分離して行うD2Cアルゴリズムを提案し、従来法より短時間でほぼ最適な制御を学習できることを示した。
