Ellen Novoseller
University of Southern California
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
- k連結性制約付き劣モジュラ最大化による故障に強いマルチロボット協調群制御2026/10/9
ロボット故障時も通信ネットワークの連結性を保ちつつタスク性能を最大化するため、k連結性制約付き劣モジュラ最大化問題を定式化し、貪欲アルゴリズムと理論保証を提案した。
- MO-Playground: ロボティクスのための大規模並列多目的強化学習強化学習2026/3/1
GPU上で高速に動作する多目的強化学習アルゴリズムと環境群を開発し、従来比25〜270倍の高速化でパレート最適方策を学習可能にした。
- R2BC: 単一エージェント実演からのマルチエージェント模倣学習模倣学習2025/10/1
1人の人間がロボットを1台ずつ遠隔操作して実演を集め、マルチロボットの協調行動を模倣学習させる手法を提案し、シミュレーションと実機で有効性を示した。
- 局所性に基づく分解型マルチエージェントActor-Criticによるマルチロボット協調学習群制御2025/3/1
ロボット間の局所的な関係を依存グラフで捉え、関連の強いロボット同士をグループ化して学習する協調マルチエージェント強化学習手法Loc-FACMACを提案し、複数環境で既存手法を最大108%上回る性能を示した。
- 人間参加型マルチロボット情報収集のための逆部分モジュラー最大化群制御2024/3/1
人間の監督者が提案する経路に合わせてロボットの意思決定パラメータを最小限の変更で調整する逆部分モジュラー最大化問題を定式化し、単一提案の場合に混合整数二次計画問題として解く手法を提案した。
- 評価ベース強化学習強化学習2023/7/1
サンプルペアの相対比較ではなく、個々の軌跡に対する人間の評価値を用いて報酬を学習する新しい強化学習手法を提案した。
- ロボット布操作ポリシーのSim2Real転移における切り替え基準の学習sim2real2022/7/1
シミュレーションで学習した布操作ポリシーを実機に転移すべきタイミングを自動判定する基準を提案し、布平滑化タスクで有効性を示した。
- 長尺ケーブルの自律的絡まり解消マニピュレーション2022/7/1
双腕ロボットとRGBD知覚・専用グリッパ・動作プリミティブを組み合わせ、最大3mのケーブルの絡まりを自律的に解消する手法を提案した。
- 片腕フリング動作による衣類の効率的な平滑化学習マニピュレーション2022/6/1
6自由度ロボットアームが片腕のフリング動作を学習し、衣類のカバー率を高める粗から細への学習法を提案。バンディットと連続最適化を組み合わせ、事前経験で新規衣類の学習時間を最大87%短縮した。
- ThriftyDAgger：人間の介入予算を考慮した新規性・リスクゲーティングによる対話型模倣学習模倣学習2021/9/1
人間の介入回数に予算を設け、ロボットが未知の状況や失敗リスクの高い場面でのみ人間に介入を求める仕組みを学習し、タスク性能と人間の負担のバランスを改善した対話型模倣学習手法。
- 学習した操作特徴と回復方策による密な非平面結び目の解きほぐし変形物体操作2021/7/1
ロープやケーブルの密な結び目を解くため、把持位置を精密化するLOKIと進捗を検知して回復動作を行うSPiDERManを提案し、実機で従来より高い成功率を達成した。
- 多ケーブル結び目の解きほぐし：IRON-MANアルゴリズムマニピュレーション2021/6/1
複数ケーブルの絡まりを解くため、交差を順に除去するロボット動作を生成するIRON-MANを提案し、手術ロボットで最大3本のケーブル結び目を80.5%の成功率で解いた。
- LazyDAgger: 対話型模倣学習におけるコンテキストスイッチの削減模倣学習2021/4/1
人間の介入回数を抑えつつ学習性能を維持する対話型模倣学習手法LazyDAggerを提案し、シミュレーションと布操作ロボット実験で介入を約60%削減できることを示した。
- 視線を活用した模倣学習：多目的予測によるアプローチ模倣学習2021/2/1
人間のデモンストレーションと視線情報を同時に学習するGRILを提案し、ドローンの視覚ナビゲーションタスクで従来手法を上回る性能と汎化を示した。
- 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。
- 人間の選好に基づく外骨格歩行パターンの高次元最適化歩行2020/3/1
ユーザーの好みを反復的に1次元部分空間で探索するLineCoSparを提案し、高次元の歩行パラメータ最適化を実現した。実験から好みと動的特性の対応や個人差を明らかにした。
- ユーザーの好みから学ぶ外骨格歩行の最適化外骨格・嗜好学習2019/9/1
外骨格の歩行を、数値的な効率ではなくユーザーの好み（快適さなど）をペア比較で学習して個人に合わせて最適化するCoSparを提案し、実機で好まれる歩行パラメータを安定して見つけられることを示した。
