Donghwan Lee
KAIST
収録論文 6本 ・ フィジカルAI/ロボット学習
モデルベース強化学習マニピュレーションロバスト強化学習/制御位置合わせ深度推定マルチエージェント強化学習
※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
- VIGOR: モデルベース強化学習における潜在空間一貫性によるゼロショット視覚汎化モデルベース強化学習2026/10/2
モデルベース強化学習において、弱から強への非対称なデータ拡張と潜在空間での動力学・エンコーダ一貫性を組み合わせ、未知の視覚的妨害に対してゼロショットで汎化できるフレームワークを提案した。
- オンライン対話はリカバリに必要か?摂動によるロバスト計画のミニマリストアプローチマニピュレーション2026/9/27
既存のデモのみを用いて、予測軌道の後半部分を元のデモに固定しつつ前半を自由にすることで、摂動状態からのリカバリを学習するPARSを提案。追加の環境対話や専門家なしで行動クローンのロバスト性を向上。
- 外乱抑制のためのロバスト決定論的方策勾配とクアッドロータ制御への応用ロバスト強化学習/制御2025/2/1
H∞制御を2人ゼロサムゲームとして再定式化し、決定論的方策勾配と深層強化学習を組み合わせたロバスト強化学習アルゴリズムRDPGを提案。クアッドロータ実験で強い外乱下でも優れたロバスト性と追従精度を示した。
- 単一対応で十分:都市環境の縮退を回避するロバストなグローバル位置合わせ位置合わせ2022/3/1
都市環境のアトランタ世界仮定を利用し回転推定を準SO(3)で行うことで、対応点が少なくても縮退せずに3D点群のグローバル位置合わせを実現する手法Quatroを提案した。
- SelfDeco: 困難な屋内環境における自己教師あり単眼深度補完深度推定2020/11/1
疎な深度計測と単眼動画のみを用いた自己教師あり学習により、テクスチャのない領域や反射・透明面を含む屋内環境で高精度に深度を補完する手法を提案した。
- 異種マルチエージェントロボットシステムのための通信学習フレームワークマルチエージェント強化学習2018/12/1
強化学習を用いて、複数エージェントが視覚観測を圧縮符号化して通信し合いながら協調行動を学習する枠組みを提案し、2エージェントの3Dシミュレーションで実証した。
