Donggeon David Oh
Princeton University
収録論文 7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
- 安全性証明関数の統一的概観:HJ到達可能性と制御バリア関数の技法安全性検証2026/11/5
HJ到達可能性解析と制御バリア関数という2大手法による安全性証明関数の合成を統一的に解説し、ベンチマーク比較を通じて実用的な選択指針を与えるチュートリアル論文。
- 安全性を競技力へ:安全フィルタ付き強化学習による搾取されにくいロボット方策安全強化学習2026/9/23
競技タスク向けに、安全フィルタを敵対的RLで学習してからタスク方策を訓練する2段階フレームワークS2Cを提案し、安全性と競技性能・非搾取性を両立させた。
- 勝利済みゲームに勝つ:高次元ブラックボックス系に対する厳密な到達・回避・滞在制御バリア関数安全制御/制御バリア関数2026/9/16
高次元ブラックボックス系に対し、目標へ安全に到達し到達後は永続的に安全を保つ厳密な到達・回避・滞在(sRAS)を保証するQ制御バリア関数ベースの安全フィルタを提案し、四足ロボットのギャップ跳躍などで検証した。
- 敵対的強化学習による最大ロバスト制御バリア関数の合成と展開安全制御/強化学習2026/4/1
一般の非線形システムに対して、動的計画法とQ関数を用いた新しいロバスト制御バリア関数を提案し、敵対的強化学習で合成・展開する手法を導入した。
- 安全フィルタリング下での証明可能に最適な強化学習安全強化学習2025/10/1
安全フィルタを環境の一部として組み込んだフィルタ済みMDPを定式化し、十分に許容的なフィルタを用いれば漸近性能を損なわずに安全性を保証できることを証明した。
- 主体性を保つ安全フィルタ:人間中心の安全制約をAI支援モータースポーツに適用共有自律/安全フィルタ2025/4/1
人間の操作を最小限に滑らかに修正するニューラル安全価値関数ベースの安全フィルタを提案し、ブラックボックスなレースシミュレータでのユーザー研究で安全性と満足度の向上を示した。
- 任意の傾斜面における空中マニピュレータの安定接触を保証する運動・力制御空中マニピュレーション2023/1/1
空中マニピュレータが傾いた面に接触する際の力覚をKelvin-Voigtモデルで推定し、外乱オブザーバベースの制御器で自由運動と接触の切り替え時も安定に運動・力の軌道追従を実現した。
