Erdem Bıyık
University of Southern California
収録論文 44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
- 晩秋:LLMエージェントが汎用マルチロボットプランナを単一倉庫向けに特化マルチロボット計画2026/11/2
LLMコーディングエージェントが自律研究により、汎用マルチロボットプランナを1つの倉庫向けに特化させ、スループットを22〜60%向上できることを6つの実験で示した。
- エンドエフェクタを超えて:人間の実演から腕全体の接触マニピュレーションを学習するマニピュレーション2026/10/13
人間の素手実演から腕全体を使った接触操作を学習する階層的フレームワークWACLを提案し、7自由度ロボットでの実世界実験で有効性を示した。
- Reward-DAgger: 汎用進捗報酬モデルによるロボット主導の対話型模倣学習模倣学習2026/10/2
汎用報酬モデルが出力する進捗信号を利用して、人間の介入が必要なタイミングをロボット自身が判断する対話型模倣学習フレームワークを提案し、タスクごとの再調整なしに失敗検出と回復行動の学習を可能にした。
- ITA-LaCAM: 割当を考慮した構成空間探索による完全かつスケーラブルなTAPFソルバ群制御2026/9/13
エージェントの目標割当と衝突回避経路計画を同時に行うTAPF問題に対し、割当を構成空間探索に統合した完全ソルバを提案し、大規模ベンチマークで高い成功率と効率を示した。
- 部分空間推論による選好からの効率的な能動報酬学習報酬学習2026/9/3
選好に基づく報酬学習において、拡張カルマンフィルタを低次元部分空間で適用し、報酬モデルの不確実性を効率的に追跡する手法を提案した。
- 理由付き選好フィードバックからの因果的に頑健な報酬学習報酬学習2026/3/1
選好ベースの報酬学習において、自然言語の理由を活用して因果的な手がかりを提供し、スプリアスな特徴への依存を減らすフレームワークReCouPLeを提案した。
- Judgelight: 閉部分歩行の圧縮によるマルチエージェント経路探索の軌道レベル事後最適化群制御2026/1/1
学習ベースのMAPFソルバが生成した実行可能だが無駄な動きを含む軌道に対し、閉部分歩行を圧縮して冗長な動きを除去する事後最適化手法を提案し、ILPで厳密に解くことでコストを約20%削減した。
- AutoFocus-IL: VLMによる顕著性マップで人間アノテーション不要のデータ効率の良い視覚模倣学習模倣学習2025/11/1
視覚言語モデルを使ってデモ中の重要物体を自動特定し、時間的顕著性マップを生成して模倣学習ポリシーを正則化することで、人間の注視データなしにデータ効率と汎化性能を向上させる手法を提案。
- 構造的最大化可能なQ関数によるアクターフリー連続制御連続制御/強化学習2025/10/1
連続行動空間での制御において、アクターを別途学習せずにQ関数の構造的最大化を利用する純粋な価値ベース強化学習フレームワークを提案し、標準的なシミュレーションタスクで従来手法と同等以上の性能とサンプル効率を達成した。
- ロボットが人間より上手くなる:制約付き実演者からの学習模倣学習2025/10/1
制約のある実演から状態のみの報酬を推定し、より短く効率的な軌道を探索することで、模倣学習を超える性能を実現した。
- PEEK: ロボットマニピュレーションポリシーのゼロショット汎化のための誘導と最小画像表現マニピュレーション2025/9/1
VLMを使ってエンドエフェクタ経路とタスク関連マスクを予測し、ポリシーに必要な最小限の手がかりを与えることで、シミュレーションのみで訓練したポリシーの実世界ゼロショット汎化を大幅に向上させる手法を提案。
- 視線を用いた正則化による模倣学習の因果的混乱の緩和模倣学習2025/7/1
人間の視線データを模倣学習の正則化に利用し、因果的混乱を軽減する手法GABRILを提案。AtariとCARLAで有効性を検証。
- 手の軌道検索によるロボットの高速適応マニピュレーション2025/5/1
人間の手のデモンストレーションからロボットの動作データを検索し、4分以内に新しいマニピュレーションタスクを学習する手法を提案。
- RAILGUN: 異なる環境とタスクにまたがるマルチエージェント経路探索のための統合畳み込みポリシー群制御2025/3/1
マルチエージェント経路探索(MAPF)において、地図ベースのCNNアーキテクチャを用いた初の集中型学習ポリシーを提案し、未知の地図やエージェント数に対するゼロショット汎化性能を示した。
- マルチエージェント逆Q学習による模倣学習マルチエージェント強化学習2025/3/1
他エージェントの方策で周辺化したクリティックを学習し、単一エージェントのsoft-Q IRLの最適化基準を適用することで、マルチエージェントの逆強化学習を高効率化した手法MAMQLを提案。
- IMPACT: 視覚言語モデルによる許容可能な接触軌道を伴う知的動作計画動作計画2025/3/1
視覚言語モデルで環境の意味を理解し、接触を許容できる物体を判断して、接触を伴う動作計画を効率的に行うフレームワークを提案した。
- MILE: モデルベース介入学習模倣学習2025/2/1
専門家の介入データと非介入時のフィードバックを活用し、モデルベースで介入を定式化することで、わずかな介入からロボットの模倣学習を効率的に行う手法を提案。
- NaVILA: 脚式ロボットのための視覚-言語-行動モデルによるナビゲーションVLA2024/12/1
脚式ロボットの視覚言語ナビゲーションにおいて、VLAモデルで「75cm前進」のような中間行動を生成し、それを強化学習による歩行ポリシーで実行する2階層フレームワークを提案した論文。
- 複雑なQ関数における決定論的方策勾配の準最適性の緩和強化学習2024/10/1
強化学習において、Q関数の局所最適に陥りやすい問題を解決するため、複数の行動候補から最良を選び、Q関数を繰り返し近似するSAVOアーキテクチャを提案し、複雑なタスクでの性能向上を実証した。
- 比較言語フィードバックによる軌道改善と報酬学習報酬学習2024/10/1
軌道データと言語フィードバックを統合した潜在空間を学習し、比較言語フィードバックからロボット軌道を反復改善しつつ人間の選好を報酬関数として学習する手法を提案した。
- 選好に基づく報酬学習のための汎用的獲得関数選好学習2024/3/1
選好クエリの生成において、報酬パラメータの完全な特定ではなく、行動等価クラスを学習することを目的とした汎用的な獲得関数を提案し、情報利得基準よりも優れた性能を示した。
- ViSaRL: 人間の顕著性に導かれた視覚強化学習VLA2024/3/1
人間の視覚的注意(顕著性)を強化学習に組み込み、高次元画像入力からの効率的な視覚表現学習を実現し、サンプル効率・成功率・汎化性能を向上させた。
- 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。
- 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。
- 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。
- 対話的自律性のための選好学習逆強化学習2022/10/1
人間が与える比較フィードバック(ペア比較やランキングなど)からロボットの報酬関数を学習する手法を提案した博士論文。
- 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。
- 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。
- 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。
- 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。
- 選好学習による報酬関数の特徴量獲得選好学習2021/3/1
人間の比較データから報酬関数を学習する際、手設計の特徴量に加えてニューラルネットで追加特徴量も同時に学習し、運転シナリオで予測性能と表現力の向上を示した論文。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
