Dorsa Sadigh
Stanford University
収録論文 144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
- RoboARCade：エージェント型ロボット制御のベンチマークベンチマーク/マニピュレーション2026/11/5
マルチモーダルエージェントをロボットポリシーとして直接使う「エージェント型ロボット制御」のための、長期的マニピュレーションタスクのベンチマークを提案し、主要エージェントの性能差や失敗要因を分析した。
- コントローラ横断での文脈的行動適応によるロボット方策の転送sim2real2026/10/29
異なるコントローラ間で行動の意味が異なる問題に対し、指令行動と結果動作の例からトランスフォーマで文脈を符号化し、単一方策がその場で適応できる枠組みを提案した。実機で未見コントローラやゲイン変化への転送性能を向上させた。
- リアルタイム視覚-言語-行動ポリシーのための強化学習VLA2026/9/16
大規模VLAモデルの推論遅延による観測のずれを解消するため、遅い行動生成と速い反応的編集を分離し、強化学習でリアルタイム制御を可能にするフレームワークを提案。
- 1つのデモで多様な物体へ：局所接触形状による操作の一般化マニピュレーション2026/9/1
人間のデモから学習し、接触点周りの局所形状に注目した報酬設計で、多指ロボットハンドの操作を未見の物体へ一般化する手法を提案した。
- 世界モデルを用いたQ学習強化学習2026/8/17
Q学習に世界モデルを組み合わせ、実データのみで学習しつつ想像上の軌道で探索を行うことで、サンプル効率と性能を向上させる手法を提案した。
- VIA: ロボット制御のための視覚インターフェースエージェントロボット制御2026/7/1
既存の基盤モデルをロボット制御に活用する新しいフレームワークVIAを提案。ロボットをブラウザベースの3Dインターフェースを通じて操作するエージェントとして扱い、スクリーンショットとコマンドでタスクをゼロショットで実行する。
- 行動整合表現によるクロスエンボディメント転移VLA/クロスエンボディメント転移2026/7/1
ロボット操作の大規模模倣学習において、行動整合表現（物体のバウンディングボックスや言語動作、エンドエフェクタの軌跡など）がVLAモデルのクロスエンボディメント転移を促進するかを検証し、シミュレーションベンチマークで評価。エンドエフェクタ軌跡が特に有効で、シミュレーションから実機への転移成功率を28%向上させた。
- EXPO-FT: 視覚言語行動モデルのサンプル効率的強化学習ファインチューニングVLA/強化学習ファインチューニング2026/5/1
事前学習済みの視覚言語行動(VLA)モデルを強化学習で安定かつサンプル効率的にファインチューニングするシステムEXPO-FTを提案し、高精度・動的動作を要する複数の操作タスクで完全成功率を達成した。
- 近接状態ナッジング：AI支援による技能萎縮の軽減共有自律/技能学習2026/5/1
AI支援下での技能低下を防ぐため、学習しやすい状態へユーザーを誘導する共有自律アルゴリズムを提案し、シミュレーションと人間実験で効果を実証した。
- ロボットトレーナーは人に楽しまれるか？ペーサーロボットSnoopieのケーススタディヒューマンロボットインタラクション2026/4/1
四足歩行ロボットがランニングのインターバルトレーニングのペーサーとして機能し、ウェアラブル端末と比較してペース順守率と一貫性が向上し、ユーザーにも好意的に受け入れられることを示した。
- データの類推が効率的な異種ロボット間転移を可能にする模倣学習/転移学習2026/3/1
異なるロボット間での模倣学習の転移において、単にデータ量を増やすよりも、シーンやタスクを揃えたペアデータ（データ類推）が形態の違いに対して効果的であることを示し、実世界で成功率を平均22.5%向上させた。
- DexDrummer: 手内・接触豊富・長期的な巧みなロボットドラミング巧みな操作2026/3/1
手内操作、接触の多い相互作用、長期的な調整を統合した複雑なタスクとしてドラム演奏を提案し、階層的な物体中心の両手ポリシーをシミュレーションで訓練し実機に転送する。
- HandelBot: 巧みなロボット政策の高速適応による実世界ピアノ演奏マニピュレーション2026/3/1
シミュレーションで訓練した多指ハンド政策を、構造的調整と残差強化学習の2段階で実機に高速適応させ、両手ピアノ演奏を実現した。
- 訓練データに基づくロボット汎化の接地：検索拡張型VLMによるアプローチロボット操作/汎化評価/VLM2026/3/1
ロボット操作の評価タスクを訓練データと比較し、どのような汎化が必要かを分類するフレームワークRADARを提案した。
- SteerVLA：長尾運転シーンで視覚言語行動モデルを操舵する自動運転/VLA2026/2/1
VLMの常識推論で細かい言語指示を生成し、VLA運転ポリシーを操舵する手法を提案。閉ループベンチマークで長尾シーンの性能を大幅に改善した。
- RoboCade：ロボットデータ収集をゲーム化データ収集2025/12/1
一般ユーザーが遠隔操作でゲーム感覚でロボットのデモデータを収集できるプラットフォームを開発し、そのデータで訓練した方策が対象タスクの成功率を16〜56%向上させることを示した。
- ロボットの視覚汎化のための不変性共訓練sim2real2025/12/1
ロボットデモと非物理シミュレーションの画像を共訓練し、状態類似性と観測摂動への不変性を補助タスクとして導入することで、未見の視点・照明・妨害物体への汎化性能を18%向上させた。
- ロボット駆動データフライホイール：実環境展開による継続的データ収集と基盤モデル適応VLA2025/11/1
ロボットを実環境に配備してタスク遂行中に実世界データを収集し、基盤モデルを継続的に改善する「データフライホイール」枠組みを提案。図書館で2週間稼働した移動マニピュレータScanfordで、VLMの書架スキャンと自動ラベリングによりドメイン特化・隣接タスクの性能を向上させた。
- 重要度重み付きデータ検索による少数ショット模倣学習模倣学習2025/9/1
少数の実演データを補強するため、事前データセットから関連サンプルを検索する際に、ターゲットと事前データの分布比（重要度重み）をガウスKDEで推定する手法を提案し、従来の最近傍検索の欠点を改善した。
- 知覚と行動をつなぐ：ロボットの汎化のための空間的に接地された中間表現マニピュレーション2025/6/1
物体中心性・姿勢認識・深度認識という中間表現を専門家エンコーダで学習し、その混合専門家ポリシーで実世界の両手巧み操作タスクの汎化性能を向上させた研究。
- HoMeR: ハイブリッド模倣と全身制御による実環境モバイルマニピュレーションの学習モバイルマニピュレーション2025/6/1
全身制御と絶対/相対のハイブリッド行動を組み合わせ、家庭内でのモバイルマニピュレーションを少数のデモで学習する模倣学習フレームワークを提案。
- 視覚言語モデルによる巧みな操作の足場構築マニピュレーション2025/6/1
視覚言語モデルを使ってタスクに関連するキーポイントを特定し、手と物体の粗い3D軌道を生成して、シミュレーションで残差強化学習方策を訓練する手法を提案。
- ProVox: 状況に応じた人とロボットの協調のためのパーソナライズと先回り計画VLA2025/6/1
大規模言語モデルを活用し、ユーザーの好みや意図を事前に取り込んで、指示を待たずに先回りして行動を計画する協働ロボットの枠組みを提案した。家庭内の調理補助タスクでのユーザー研究により評価した。
- ロボティクスにおけるバッチオンライン強化学習で重要な要素は何か？強化学習2025/5/1
自律収集データからのバッチオンライン強化学習において、アルゴリズムクラス・方策抽出法・方策表現力の3軸を体系的に検証し、Q関数の利用と暗黙的な方策抽出が性能向上に重要であることを示した。
- 模倣学習のための潜在拡散プランニング模倣学習2025/4/1
行動なしのデモと準最適データを活用するため、潜在空間上で動くプランナーと逆動力学モデルを拡散目的で訓練するLDPを提案し、視覚ロボット操作タスクで既存手法を上回った。
- 統合動画行動モデルVLA2025/3/1
動画と行動を統合的に学習し、推論時は動画生成を省略して高速に行動を予測できるロボティクス向けモデルを提案。
- 介護タスクにおけるソフトロボティクスの知覚的安全性に関する研究ソフトロボティクス2025/3/1
入浴など身体接触が不可避な介護場面を想定し、正負圧を組み合わせた3Dプリント製ソフトグリッパを設計。硬質グリッパより低く均一な圧力で把持でき、実演後に参加者のロボットへの信頼が有意に向上した。
- 汎用ロボットマニピュレーション政策の評価のための分類体系マニピュレーション2025/3/1
ロボットマニピュレーションにおける汎化の種類を整理した分類体系STAR-Genを提案し、実世界ベンチマークで検証した。
- Gemini Robotics：AIを物理世界へVLA2025/3/1
Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。
- ロボットの訓練方法：模倣学習におけるデモンストレーション手法の影響模倣学習2025/3/1
キネステティック教示・VRコントローラ・スペースマウスの3つのデモ手法を比較し、キネステティックが最も直感的で学習性能も高いが、大規模収集には不向きであることを示し、少数のキネステティックと遠隔操作を混ぜる収集法を提案した。
- 共有自律性による近接発達領域に基づく個別指導教育・共有自律性2025/2/1
共有自律性を活用して学生の近接発達領域を推定し、個別化されたカリキュラムを設計するZ-COACHを提案し、自動運転シミュレータでの高速レース指導で有効性を示した。
- 相互情報量推定によるロボットデモデータの品質選別模倣学習2025/2/1
ロボットの模倣学習データについて、状態と行動の相互情報量への各軌道の寄与をVAE埋め込みとk近傍推定で評価し、デモの品質を選別する手法を提案した。
- 言語ガイド付き選好学習による表現豊かな四足歩行行動の効率的生成歩行2025/2/1
LLMが生成する事前分布と人間の選好フィードバックを組み合わせ、少ないクエリで四足ロボットの表現豊かな歩容を効率的に学習する手法LGPLを提案。
- 行動ラベルなしデータからの推論による方策の汎化VLA2025/2/1
人間の動画から言語ベースの推論を学習し、ロボットの行動ラベルなしデータを活用して汎化性能の高いロボット方策を訓練する手法RADを提案した。
- モーショントラック：少数ショット模倣学習における人間-ロボット転移のための統一表現模倣学習2025/1/1
人間の手とロボットのエンドエフェクタの動きを画像上の短い2D軌跡（モーショントラック）として統一的に表現し、少数の人間動画とロボット実演から模倣学習ポリシーを訓練する手法を提案。実世界4タスクで86.5%の成功率を達成。
- 注目点を活用したハイブリッド模倣学習模倣学習2024/12/1
点群からタスクに関連する注目点を推定し、遠距離移動はウェイポイント、精密動作は手首画像からの密な動作で予測する模倣学習手法を提案。
- RoboCrowd: クラウドソーシングによるロボットデータ収集のスケーリングデータ収集2024/11/1
クラウドソーシングとインセンティブ設計でロボット模倣学習用の人間デモデータ収集を分散・拡張する枠組みを提案し、大学カフェでの2週間実験で200人以上から800エピソード超を収集した。
- 視覚言語モデルは文脈内価値学習器であるVLA2024/11/1
視覚言語モデルにシャッフルした動画フレームの時系列順序を予測させることで、ロボットやタスク固有の訓練なしに300以上の実世界タスクの進捗を推定できる汎用価値関数を実現した。
- ボーカルサンドボックス：状況に応じた人とロボットの協働のための継続学習と適応人ロボット協働2024/11/1
音声対話やキネステティック教示など多様な教示から、ロボットが低レベル技能と高レベル計画を継続的に学習・適応する枠組みを提案し、ギフト袋詰めとLEGOストップモーション制作で有効性を示した。
- RT-Affordance: ロボットマニピュレーションのための汎用中間表現としてのアフォーダンスマニピュレーション2024/11/1
タスクの要所でのロボット姿勢を表すアフォーダンスを中間表現として用い、言語指示からアフォーダンス計画を生成して操作方策を条件付ける階層モデルを提案し、新規タスクで既存手法を50%以上上回る性能を示した。
- 自律ロボットデータ収集のスケールアップは本当に可能か？自律データ収集2024/11/1
自律模倣学習によるデータ収集は、実世界でのスケールアップにおいて環境設計の課題など強化学習と同様の限界に直面することを実験的に示した研究。
- Gen2Act: 人間動画生成を活用した汎用ロボットマニピュレーションマニピュレーション2024/9/1
ウェブデータで学習した人間動画生成モデルを使い、生成された動画を条件にロボット方策を学習することで、未見物体や新規動作への汎化を実現した。
- MotIF: 動作指示ファインチューニングVLA2024/9/1
ロボットの動作の成否を判定するために、キーポイント軌跡を最終画像に重ねた抽象表現で視覚言語モデルをファインチューニングする手法を提案し、MotIF-1Kデータセットを構築した。
- FlowRetrieval: フロー誘導型データ検索による少数ショット模倣学習模倣学習2024/8/1
オプティカルフローで動作の類似性を測り、他タスクのデータから関連動作を検索して少数ショット模倣学習を強化する手法を提案。
- Re-Mix: 大規模模倣学習のためのデータ混合最適化模倣学習2024/8/1
ロボット基盤モデルの事前学習において、データセットの異なるサブセットの重み付けを分布ロバスト最適化で最適化する手法Re-Mixを提案し、Open X-Embodimentデータセットで均一重みより38%性能を向上させた。
- FLAIR: 長期的な取得による現実的な食事の摂食支援摂食支援ロボティクス2024/7/1
基盤モデルとパラメータ化されたスキルライブラリを活用し、多様な食品を含む現実的な食事をユーザーの好みに合わせて効率的に摂食させる長期的な支援システムを開発した。
- OpenVLA: オープンソースの視覚-言語-行動モデルVLA2024/6/1
97万件の実機ロボット実演で学習した7BパラメータのオープンソースVLAモデルを提案し、閉源モデルRT-2-Xを上回る汎用マニピュレーション性能と効率的なファインチューニングを実現した。
- VADER: マルチロボット・人間協調のための視覚的アフォーダンス検出とエラー回復VLA2024/5/1
視覚的アフォーダンス検出とエラー認識を行い、他ロボットや人間への助け要請を新たなスキルとして組み込むことで、長期的タスクの中断から回復して完遂するフレームワークVADERを提案した。
- Octo: オープンソースの汎用ロボットポリシーVLA2024/5/1
80万件の軌道データで学習したTransformerベースの汎用ロボットマニピュレーションポリシーを提案し、言語や目標画像で指示でき、新しいセンサーや行動空間にも短時間でファインチューニング可能であることを示した。
- 確信するまで探索せよ：身体性質問応答のための効率的探索VLA2024/3/1
大規模視覚言語モデル（VLM）とConformal Predictionを組み合わせ、ロボットが環境を効率的に探索して質問に答える身体性質問応答（EQA）フレームワークを提案。HM3D上に新データセットも構築した。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- RT-Sketch: 手描きスケッチによる目標条件付き模倣学習模倣学習2024/3/1
手描きスケッチを目標指定に用いる操作ポリシーを提案し、言語や画像条件よりも曖昧さや視覚的妨害に頑健であることを示した。
- 合成的一般化を活用したロボットマニピュレーションの効率的データ収集マニピュレーション2024/3/1
視覚模倣学習ポリシーが環境要因を合成できることを実証し、その合成能力を活かした効率的なデータ収集戦略を提案。実機で77.5%の成功率を達成。
- RT-H: 言語による行動階層VLA2024/3/1
低レベル動作を「腕を前に動かす」のような言語フレーズで表現し、タスクと行動の間に言語動作を介在させることで、多様なタスク間でデータを共有し、人間の言語介入による修正も可能にする模倣学習手法を提案。
- 人間の選好からの報酬関数のバッチ能動学習報酬学習2024/2/1
人間の選好質問を用いて報酬関数を効率的に学習するため、行列式点過程に基づくバッチ能動学習アルゴリズムを提案し、シミュレーションのロボットタスクで少ないクエリ数と短い生成時間を実現した。
- 言語モデル予測制御による人間フィードバックからの高速学習VLA2024/2/1
人間との対話履歴を遷移モデルとしてLLMに微調整し、モデル予測制御と組み合わせることで、ロボットの教示効率と成功率を向上させるフレームワークLMPCを提案。
- 異なる身体を持つロボット間の学習限界を探る：操作とナビゲーションVLA2024/2/1
ナビゲーションと操作という異なるタスクのデータを同一の目標条件付きポリシーで共同学習させ、多様な機体間での転移や未知の機体へのゼロショット制御が可能かを検証した。
- AutoRT: ロボットエージェントの大規模オーケストレーションのための身体性基盤モデルVLA2024/1/1
視覚言語モデルと大規模言語モデルを活用し、多様なロボット群に指示を生成して実世界データを大規模収集するシステムAutoRTを提案。
- SpatialVLM：視覚言語モデルに空間推論能力を与えるVLA2024/1/1
200億規模の3D空間VQAデータを自動生成し、それを用いて視覚言語モデルを学習することで、距離や大きさの定量的な空間推論能力を大幅に向上させた研究。
- 大規模言語モデルを用いた表現豊かなロボット動作の生成VLA2024/1/1
大規模言語モデルを活用し、人間の言語指示からロボットの表現豊かな動作を生成する手法を提案。ユーザー研究とシミュレーションで有効性を示した。
- コードの連鎖：言語モデル拡張コードエミュレータによる推論推論/コード生成2023/12/1
言語モデルにコードを書かせ、実行できない部分を言語モデル自身でエミュレートさせることで、論理・算術だけでなく意味的な推論も改善するChain of Codeを提案。
- 言語訂正からロボット操作のための汎化可能な知識を蒸留・検索する手法VLA2023/11/1
大規模言語モデルを用いて、人間の言語による訂正フィードバックから汎化可能な知識を蒸留し、新しい環境で関連する経験を検索してロボット操作の性能を向上させるシステムDROCを提案した。
- RoboCLIP: 実演1回でロボット方策を学習模倣学習2023/10/1
動画またはテキストの実演1つからVLMで報酬を生成し、ロボット操作タスクを強化学習で学習する手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 物理的常識を備えた視覚言語モデルによるロボットマニピュレーションマニピュレーション2023/9/1
家庭用品の物理的概念（材質や壊れやすさなど）を注釈付けした大規模データセットPhysObjectsを構築し、視覚言語モデルを微調整することで、ロボットが物体の物理的性質を理解して操作計画を改善できるようにした。
- ジェスチャー情報に基づく基盤モデルを用いたロボット支援VLA2023/9/1
大規模言語モデルを活用し、指差しなどのジェスチャーと指示を柔軟に解釈して人間の意図を推論するロボット協調フレームワークGIRAFを提案。
- 安定させてから動かせ：両手マニピュレーションのための協調学習マニピュレーション2023/9/1
人間の両手動作に倣い、片腕で対象を安定保持しもう片腕で作業を行う役割分担フレームワークBUDSを提案し、実機の両手タスクで高い成功率を達成した。
- 見えるロボット：人間の姿勢を活用した軌道予測軌道予測2023/9/1
人間の位置・頭の向き・3D骨格キーポイントを入力に、Transformerで人間の将来軌道を予測する手法を提案し、不確実性を捉えつつベンチマークで最高性能を達成した。
- ロボットによる食事支援のための逐次獲得方策の学習食事支援ロボティクス2023/9/1
食事支援ロボットが長期的な食事獲得を計画するため、シミュレーションで学習した潜在的な皿のダイナミクスを活用し、視覚的にパラメータ化されたプリミティブに実行を委任するVAPORSを提案。
- Polybot: ロボット間の多様性を活かして単一ポリシーを学習マニピュレーション2023/7/1
手首カメラとモジュール化されたコードベースで観測・行動空間を揃え、対照学習で内部表現を整えることで、複数のロボットで使える単一の操作ポリシーを学習する手法を提案。
- 助けを求めるロボット：大規模言語モデルプランナーの不確実性調整VLA2023/7/1
LLMベースのプランナーが不確実な状況を検知して人間に助けを求める枠組みKnowNoを提案し、複雑な多段階計画タスクで効率と自律性を向上させた。
- 汎用パターン機械としての大規模言語モデルVLA2023/7/1
追加学習なしの大規模言語モデルが文脈内学習により任意のトークン列を補完できることを示し、それをロボットの状態列予測や報酬条件付き軌道生成などの制御問題に応用できる可能性を探った。
- 言語から報酬へ：ロボットスキル合成の新パラダイムVLA2023/6/1
大規模言語モデルに報酬関数のパラメータを生成させ、それをリアルタイム最適化器で最適化することで、言語指示から多様なロボット動作を実現する手法を提案。
- 模倣学習におけるデータ品質の形式化模倣学習2023/6/1
模倣学習のデータ品質を分布シフトの観点から定式化し、行動の乖離と遷移の多様性という2つの基本特性を提案した研究。
- KITE: キーポイント条件付き方策による意味的マニピュレーションマニピュレーション2023/6/1
言語指示を2D画像キーポイントに接地し、キーポイント条件付きの学習済みスキルで実行する2段階フレームワークKITEを提案。物体や部位の細かな指定に対応し、実環境での操作・把持・コーヒー抽出タスクで高い成功率を示した。
- 実世界に根ざした常識推論に向けて常識推論2023/6/1
LLMとVLMを活用し、ロボットが環境を能動的に知覚することで常識的な判断を行う手法を提案。レゴのスポーツカーを分解せずに片付けるなど、実世界での推論を実現し、MessySurfacesデータセットで評価した。
- 身体制御タスクの指導のための言語修正生成言語フィードバック2023/6/1
学生と専門家の軌道ペアから自然言語の修正フィードバックを生成するモデルCORGIを構築し、描画・操舵・関節運動の3タスクで有効性を検証した。
- HYDRA: 模倣学習のためのハイブリッドロボット行動模倣学習2023/6/1
高レベルウェイポイントと低レベル行動を組み合わせたハイブリッド行動空間を動的に切り替えることで、模倣学習の分布シフトを抑え、長期的な実世界タスクの成功率を向上させた。
- 振る舞い検索：未ラベルデータセットを照会する少数ショット模倣学習模倣学習2023/4/1
少量の専門家データを使い、未ラベルで非最適な振る舞いを含む大規模データセットからタスクに関連する遷移を選択的に検索し、それらを組み合わせて学習することで、画像ベースのロボットマニピュレーションタスクにおいて効率的な少数ショット模倣学習を実現した。
- Soy: 区分アフィン系のための効率的なMILPソルバ最適化2023/3/1
区分アフィン系の制御問題を混合整数凸計画として解く際に、ワンホット制約を効率的に扱う専用ソルバSoyを開発し、既存のMICPソルバより高速に多くの問題を解けることを示した。
- オンライン選好からの能動的報酬学習報酬学習2023/2/1
人間への負担を抑えつつ、オンラインで提示する一対比較の選好クエリを設計・選択し、ロボット方策を効率的に適応させる手法を提案した。
- ロボティクスのための言語駆動型表現学習表現学習2023/2/1
人間の動画と言語キャプションから、言語条件付き視覚再構成と視覚接地言語生成を組み合わせてロボット学習用の視覚表現を学習するVoltronを提案し、5つのロボット学習問題で従来手法を上回る性能を示した。
- 「違う、右だ」—共有自律によるロボット操作のためのオンライン言語修正マニピュレーション2023/1/1
自然言語による修正指示をオンラインで取り込み、共有自律の枠組みでロボットアームを操作するLILACを提案。少数の実演で複雑な操作タスクを高精度に達成できることをユーザ研究で示した。
- 人間参加型強化学習のための少数ショット選好学習人間参加型RL2022/12/1
人間のフィードバックから報酬関数を学習する際、事前タスクデータで選好モデルを事前学習し、新しいタスクに少数のクエリで適応させることで、必要なオンラインフィードバックを20倍削減し、実機ロボットでも有効性を示した。
- ロボット支援食事のための視覚・触覚に基づく串刺し戦略の学習マニピュレーション2022/11/1
食材の視覚と触覚の生データから汎化可能なマルチモーダル表現を学習し、未知の食材を1回のインタラクションで反応的に串刺しするゼロショット枠組みを提案した。
- 視覚・触覚センシングを用いた口内へのロボットによる食事の運搬食事支援ロボティクス2022/11/1
食事支援ロボットが、力覚制御と小型の手首型エンドエフェクタを使い、食べ物を安全かつ快適に口の中へ運ぶ手法を提案し、11名のユーザー研究で有効性を示した。
- 人間への運動制御タスクの支援的教示教育・教示2022/11/1
強化学習のスキル発見を活用し、運動制御タスクを教示可能なスキルに分解して個別化された訓練を生成するAI支援教示アルゴリズムを提案し、運転や文字書きタスクで有効性を示した。
- 微分可能シミュレーションによる接触の多い操作タスクのためのツール形状学習マニピュレーション2022/11/1
微分可能物理シミュレータを用いて、接触の多い操作タスクに適したツール形状を自動設計するエンドツーエンドの枠組みを提案し、実機でも有効性を示した。
- 両腕協調による食品すくい取りポリシーの学習マニピュレーション2022/11/1
2本目の腕で食品を安定化させながらすくい取る両腕ロボット政策CARBSを提案し、多様な形状・硬さの食品への汎化を実現した。
- マルチヒューマン模倣学習のための互換性のあるデモンストレーションの引き出し模倣学習2022/10/1
複数ユーザーのデモが互いに矛盾しうる問題に対し、ベース方策との互換性を測り、互換性の高いデモを能動的に引き出す手法を提案し、シミュレーションと実機のフードプレーティングで成功率を改善した。
- マスク付き模倣学習：マルチモーダル実演における環境不変モダリティの発見模倣学習2022/9/1
マルチモーダルな実演データから、意思決定に不要で環境間で分布が変わるモダリティを二値マスクと二段階最適化で自動的に除外し、環境に依存しない制御方策を学習する手法を提案。
- 滑らかな注意事前分布を活用したマルチエージェント軌道予測軌道予測2022/3/1
運転時の人間の注意が急変しない性質に着目し、時間的な滑らかさの事前分布を注意モデルに導入することで、マルチエージェントの軌道予測精度と学習効率を向上させた研究。
- 物体中心プレイによる潜在アフォーダンス予測マニピュレーション2022/3/1
人間の自由なプレイデータを物体中心にモデル化し、物体のアフォーダンスを潜在空間で予測することで多様な操作タスクの政策学習を改善する手法PLATOを提案。
- 弱教師あり対応学習対応学習2022/3/1
厳密なペアデータと教師なし学習の中間として、時系列順序とペア抽象化という2種類の弱教師信号を用い、異なる身体・ダイナミクス間の状態行動対応を高精度に学習する手法を提案。
- 不完全なデモンストレーションからの敵対的信頼度転移による学習模倣学習2022/2/1
信頼度付きのデモがある環境から、ラベルなしデモしかない環境へ敵対的分布マッチングで信頼度予測器を転移し、有益なデモを重み付けして方策を学習する手法を提案した。
- 言語で操作を変調する潜在アクション制御共有自律/言語条件付け/マニピュレーション2021/11/1
言語指示と低次元コントローラを組み合わせ、言語に応じて操作空間を変調する共有自律の枠組みLILAを提案し、実機ユーザー実験で有効性を示した。
- ロボットによる食事支援における効率と快適さの両立マニピュレーション2021/11/1
食事支援ロボットが食べ物を口元へ運ぶ際、効率とユーザーの快適さを両立させるヒューリスティックを組み込んだ経路計画手法(h-BiRRT)を提案し、実機実験で有効性を示した。
- 相手の戦略を安定化させる能動的影響学習マルチエージェント強化学習2021/10/1
マルチエージェント環境で相手の戦略を低次元潜在表現でモデル化し、相手を単一戦略へ安定化させる影響を与えることで非定常性を抑え、タスク報酬を効率的に最大化する手法を提案した。
- 協調型マルチエージェントバンディットにおけるパートナー認識アルゴリズムマルチエージェント協調2021/10/1
分散型マルチエージェントバンディット問題において、パートナーのモデルを考慮した協調的意思決定戦略を提案し、対数リグレットを理論的に示すとともに、人間-AI・人間-ロボット協調実験で有効性を検証した。
- スケールフィードバックによる報酬関数の学習報酬学習2021/10/1
ユーザーがスライダーで好みの度合いを伝える「スケールフィードバック」を提案し、その確率モデルに基づくロボットの報酬学習手法を開発した。シミュレーションと2件のユーザー研究で有効性を示した。
- 異なるダイナミクスを持つ実演者を模倣するための実行可能性学習模倣学習2021/10/1
実演者と模倣者のダイナミクスが異なる場合でも、実演が模倣者にとって実行可能かを評価する指標を学習し、有益な実演を優先して模倣する手法を提案した。
- 信頼度を考慮した模倣学習：最適性の異なるデモンストレーションからの学習模倣学習2021/10/1
最適性がばらつくデモンストレーションから、信頼度スコアと高性能な方策を同時に学習する枠組みCAILを提案し、理論的な収束保証と実機実験で有効性を示した論文。
- 機械学習からロボティクスへ：身体性知能の課題と機会身体性知能2021/10/1
機械学習をロボティクスや身体性知能にそのまま適用することの限界を論じ、実環境での運用・安全性・適応性・能動的な世界モデル構築の観点から課題と機会を整理した論文。
- ランキングからマルチモーダルな報酬を学習する手法報酬学習2021/9/1
複数の専門家やタスクに由来する多様な選好を扱うため、軌道のランキングのみから混合モデルとしてマルチモーダル報酬関数を学習し、能動的クエリでデータ効率を高める手法を提案した。
- APReL：選好に基づく能動的報酬学習アルゴリズムのライブラリ報酬学習2021/8/1
人間の選好から報酬関数を学習するための能動的クエリ手法を実装したオープンソースライブラリAPReLを公開し、既存手法の実験や新規アルゴリズム開発を容易にした。
- 自動運転における社会的協調と利他性マルチエージェント強化学習2021/7/1
混合交通環境での自動運転車の行動計画を部分観測確率ゲームとして定式化し、マルチエージェント強化学習で利他的な社会効用を最適化する方策を学習させた研究。
- マルチエージェントA2Cによる協調型自動運転車の利他的マニューバ計画自動運転/マルチエージェント強化学習2021/7/1
マルチエージェント強化学習（A2C）を用い、周囲の自動運転車や人間ドライバーの効用を考慮した利他的なマニューバ計画を分散報酬設計で学習させる手法を提案した論文。
- 人間ドライバーに共感する協調型自動運転自動運転2021/7/1
心理学の社会的価値志向を自動運転に取り入れ、競合シナリオでも経験学習のみで利他的に振る舞い安全で円滑な交通を実現するSymCoDriveを提案し、利他性の適切な調整が重要と示した。
- 支援ロボットを直感的に操作するための潜在行動の学習支援ロボット操作2021/7/1
7自由度アームの高次元動作を低次元の潜在行動に埋め込み、ジョイスティック操作と組み合わせて支援ロボットを直感的に操作できるようにした研究。
- 混在自動運転環境における交通ネットワークの効率的均衡を促す価格設計交通制御2021/6/1
人間の運転者と自動運転ライドヘイリングが混在する並列道路網で、利用者選好を学習しつつ社会的目的を最大化する価格を計画最適化で求める手法を提案した。
- 視覚誘導型潜在アクションによる支援テレオペレーションの学習テレオペレーション2021/5/1
視覚入力を条件にした潜在埋め込みで、低次元入力から高次元ロボット動作を生成する支援テレオペレーション手法を提案し、物体検出器の事前学習で未知物体への汎化とユーザビリティ向上を示した。
- 物理的修正の系列から人間の目的を学習する人間ロボットインタラクション2021/4/1
人間がロボットに加える複数の物理的修正を独立ではなく系列として捉え、即時報酬と長期性能のトレードオフを表す補助報酬を導入してオンラインで目的を学習する手法を提案した。
- 適応型人間-AI協調における慣習の決定的役割人間-AI協調2021/4/1
タスク固有の規則とパートナー固有の慣習を分離して学習する枠組みを提案し、新しいパートナーや新タスクへの迅速な適応を実現した。
- 不完全なデモンストレーションからの模倣学習：動特性が異なるエージェントへの対応模倣学習2021/3/1
最適でない、あるいは動特性の異なるエージェントが生成したデモンストレーションから模倣学習するため、実現可能性スコアと最適性スコアからなる指標を開発し、有用なデモを選択的に活用する手法を提案した。
- 言語抽象化による探索促進フレームワークELLA言語条件付き強化学習2021/3/1
高レベル言語指示を低レベル指示と関連付ける報酬整形により、疎報酬環境での強化学習のサンプル効率を向上させる手法を提案。
- ホモトピー類をまたぐ転移強化学習転移強化学習2021/2/1
強化学習のファインチューニングは、元タスクと目標タスクの軌道が異なるホモトピー類に属すると性能が大きく劣ることを示し、緩和段階とカリキュラム学習段階からなるEase-In-Ease-Outファインチューニングを提案した論文。
- ROIAL：外骨格歩行の選好ランドスケープを推定する関心領域能動学習外骨格・能動学習2020/11/1
外骨格歩行の各ユーザーの効用関数を、安全性と快適性を保証する関心領域内で順序・選好フィードバックから能動的に学習するROIALを提案し、シミュレーションと3名の被験者実験で4つの歩行パラメータに対する選好ランドスケープの推定可能性を示した。
- 他エージェントの潜在戦略を学習して協調を促す強化学習フレームワークマルチエージェント強化学習2020/11/1
相手エージェントの政策を高次元の潜在表現として学習し、その潜在ダイナミクスを利用して相手の将来の戦略に影響を与え協調を促す強化学習手法を提案。シミュレーションと実機エアホッケーで有効性を実証した。
- 分解を通じて適応的な言語インターフェースを学習する言語インターフェース2020/10/1
ユーザーが高次の指示を低次のステップに分解して教えることで、ロボットが新しい抽象概念を対話的に学習する意味解析システムを提案した論文。
- ガウス過程を用いたマルチエージェント安全計画マルチエージェント安全計画2020/8/1
ガウス過程に基づき、他エージェントのポリシーに関する事前知識が少ない分散型設定で、複数エージェントの安全なナビゲーションを実現する学習アルゴリズムを提案した。
- ユーザー好みの直感的ロボット操作マッピングの学習テレオペレーション2020/7/1
人間が入力とロボット動作の対応について持つ好みのマッピングを、少数のクエリからデータ効率的に学習する手法を提案し、遠隔操作タスクで有効性を示した。
- 模倣方策の強化学習による制御でニアミス運転に対応自動運転2020/7/1
運転モードごとの模倣学習方策と、モードを切り替える強化学習方策を階層的に組み合わせ、ニアミス状況での安全性と効率を高めた研究。
- 実演と選好を最適統合する報酬関数学習フレームワーク報酬学習2020/6/1
ロボットの報酬関数を、人間の実演データで初期化し、その後選好クエリで能動的に絞り込む統合手法を提案し、シミュレーションと実機で有効性を示した。
- 人間とロボットの相互作用を形式的に保証するHRI形式検証2020/6/1
人間と協働するロボットの計算モデルに形式検証・合成の手法を導入し、信頼性を保証するための課題とロードマップを整理した展望論文。
- 選好比較から報酬関数を能動学習するガウス過程回帰報酬学習2020/5/1
人間による軌道間の比較選好のみを用い、ガウス過程で報酬関数をモデル化して能動的に効率よく学習する手法を提案した論文。
- 学習潜在行動を用いた共有自律制御共有自律/テレオペレーション2020/5/1
学習した潜在行動と共有自律を組み合わせ、ロボットの目標確信度に応じて人間入力の意味を変えるモデルを提案し、食事のような精密操作を可能にする。
- 不確実性と時間制約下での動的マルチロボットタスク割り当て群制御2020/5/1
時間窓とタスク完了の不確実性がある環境で、失敗タスク数を最小化する階層型マルチロボット割り当てアルゴリズムSCoBAを提案し、シミュレーションで有効性を示した。
- 人間は最適ではない：リスクを考慮する人間と協働するロボット人間-ロボット協働2020/1/1
行動経済学の累積プロスペクト理論を用いて人間のリスク回避的な非最適行動をモデル化し、それをロボットの協働計画に組み込むことで、より安全で効率的な人間-ロボット協働を実現した研究。
- 答えやすい質問で効率的に報酬を学ぶ手法報酬学習2019/10/1
人間が答えやすい質問を選ぶことで、ロボットが報酬関数をより速く学習できる能動的報酬学習の手法を提案した論文。
- 相棒の行動から学ぶ：分散ロボットチームにおける役割分担群制御2019/10/1
各エージェントに探索・活用・通信などの役割を割り当てることで、明示的な通信なしに相手の行動意図を正しく解釈できる分散ロボットチームの手法を提案した。
- 自動運転車の動的経路制御を深層強化学習で学習し交通渋滞を間接的に緩和交通制御/強化学習2019/9/1
自動運転車の経路を強化学習で制御し、人間ドライバーの利己的な経路選択を間接的に誘導することでネットワーク全体の渋滞を最小化する手法を提案した論文。
- 人間の信頼を利用するロボット人間ロボットインタラクション2019/9/1
人間がロボットを合理的だと信頼して行動を解釈することを利用し、ロボットが自身の目的をより効率的に最適化する行動を取れることをゲーム理論でモデル化し、ユーザー研究で検証した論文。
- 学習した潜在アクションで支援ロボットを操作する遠隔操作2019/9/1
支援ロボットの操作を簡単にするため、タスク実演から低次元の潜在アクションを学習し、ユーザーが少ない自由度で高次元の腕を動かせる遠隔操作手法を提案した。食事・調理タスクのユーザー実験で既存手法より効率的に操作できることを示した。
- 実演と選好を統合した報酬関数学習報酬学習2019/6/1
人間の実演から粗い事前分布を作り、選好クエリの生成に活用することで、報酬関数を効率的に学習する手法を提案した。
- ロボットナビゲーションのための深層局所軌道再計画と制御ナビゲーション2019/5/1
大域プランナと深層学習による局所軌道計画・速度制御を組み合わせ、注意機構で歩行者を避けつつ目標へ向かう解釈可能なナビゲーションシステムを提案した。
- グリーンな選択：共有道路における人間の意思決定の学習と誘導交通制御2019/4/1
自動運転車と人間ドライバーが混在する道路で、ライドヘイリングの価格設定により人間の経路選択を誘導し、混雑を緩和する手法を提案した論文。
- 未知の遷移モデルを持つ決定論的MDPにおける効率的で安全な探索安全探索2019/4/1
リプシッツ連続性を利用して探索中に危険状態へ遷移しないことを決定論的に保証しつつ、安全領域の探索に必要な行動数を削減するアルゴリズムを提案し、ナビゲーションタスクのシミュレーションで有効性を示した論文。
- 分布計画ネットワークによる教師なし視覚運動制御教師なし強化学習2019/2/1
報酬なしのインタラクションから目標までの進捗を測る埋め込み空間を学習し、自律的な強化学習を可能にする手法を提案。シミュレーションと実機マニピュレーションで有効性を示した。
- 自動運転車のための階層型ゲーム理論プランニング自動運転計画2018/10/1
動的ゲームを長期の戦略ゲームと短期の戦術ゲームに階層分解し、リアルタイムで他車と相互影響を考慮した軌道計画を可能にした研究。
- 明示的・暗黙的コミュニケーションを統合した効率的で信頼されるソーシャルナビゲーションソーシャルナビゲーション2018/10/1
移動ロボットが身振り（暗黙）と視覚・音・触覚フィードバック（明示）を組み合わせて意図を伝える計画手法を提案し、逆強化学習で人間モデルを構築して衝突回避より理解しやすく信頼される軌道を生成できることをユーザ実験で示した。
- 利他的自動運転による混雑緩和：共有道路網における最適均衡の設計交通最適化2018/10/1
人間と自動運転車が混在する並列道路網で、自動運転車の利他的経路選択が混雑に与える影響を交通流モデルで定式化し、予期せぬ需要にも頑健な最適均衡を計算するアルゴリズムを提案した。微小な利他性でも総遅延が大幅に改善し、シミュレーションで最悪の利己均衡から最適均衡へ平均遅延が4分の1になることを示した。
- バッチ型能動選好学習による報酬関数の効率的学習選好学習2018/10/1
ユーザーへの選好質問をバッチで能動的に生成することで、少ないクエリと短い計算時間で報酬関数を学習するアルゴリズムを提案し、収束保証とロボティクスシミュレーション実験で有効性を示した。
- 自動運転車が人間ドライバーに働きかけて道路容量を最大化する手法交通制御2018/7/1
自動運転車が周囲の人間ドライバーの行動に意図的に影響を与え、プラトゥーニングによる道路容量を最大化する車両配置を実現するアルゴリズムを提案し、シミュレーションで実証した。
- 不確実性下での安全制御のための確率的信号時相論理安全制御2015/10/1
確率的な時相仕様を記述するPrSTLを提案し、ガウス確率変数に基づくサイバーフィジカルシステムの安全制御器を合成する手法を示した。
