Eric Jang
収録論文 14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
- 言う通りでなく、できる通りに：ロボットのアフォーダンスに言語を接地するVLA2022/4/1
大規模言語モデルの高レベル知識と事前学習済みスキルの価値関数を組み合わせ、実世界で実行可能な行動に言語を接地させる手法を提案し、実機タスクで有効性を示した。
- 複数センサ入力のベイズ模倣学習による移動マニピュレータのエンドツーエンド制御模倣学習/sim2real2022/2/1
Variational Information BottleneckでCNNを正則化し、RGBと深度の不確実性に応じた融合でsim2realギャップを縮め、実オフィスでのドア開けタスク成功率96%を達成した。
- BC-Z: ロボット模倣学習によるゼロショットタスク汎化模倣学習2022/2/1
言語や動画で条件付けできる模倣学習システムを構築し、100以上のタスクで学習して未見の24タスクを実演なしで平均44%の成功率で遂行できることを示した。
- タスク整合性損失による実世界での実用的な模倣学習模倣学習/sim2real2022/2/1
シミュレーションと実世界の特徴量・行動予測レベルでの整合を促す自己教師あり損失（TCL）を導入し、移動マニピュレータがドアに接近して取っ手を回し開けて入室するタスクをRGB-D画像から end-to-end で学習、未見のドアにも汎化して72%の成功率を達成した。
- AW-Opt：模倣と強化学習を大規模に統合してロボット技能を学習する模倣学習+強化学習2021/11/1
アドバンテージ重み付き回帰とQT-Optを組み合わせ、デモンストレーションと多様な事前データを活用して実世界ロボット技能をスケーラブルに学習する手法AW-Optを提案・検証した論文。
- RetinaGAN：物体認識を考慮したSim-to-Real転移手法sim2real2020/11/1
物体検出の一貫性を保ちながらシミュレーション画像を実画像へ変換するGANを提案し、把持・押し・ドア開けの実タスクでsim-to-real性能を向上させた。
- 動きながら考える：並行制御による深層強化学習強化学習2020/4/1
行動の実行中に次の行動を決定する並行制御問題に対し、連続時間ベルマン方程式を遅延考慮で離散化する強化学習手法を提案し、ロボット把持タスクで有効性を示した。
- 自律的改善によるスケーラブルなマルチタスク模倣学習模倣学習2020/3/1
マルチタスク設定を活用し、あるタスクでの失敗試行を別タスクの成功例として再利用することで、強化学習なしにロボットが自律的にデータ収集しながら模倣学習を改善できる手法を提案した。
- Grasp2Vec：自己教師あり把持による物体表現学習自己教師あり学習2018/11/1
ロボットが物体を掴んで取り除く前後の画像差分から物体中心の視覚表現を自己教師ありで学習し、物体の識別・位置推定・指示された物体の把持を可能にした論文。
- QT-Opt：視覚ベースロボット操作のためのスケーラブルな深層強化学習マニピュレーション2018/6/1
58万回以上の実世界把持試行を用いて120万パラメータのQ関数を学習し、RGB画像のみで閉ループ把持制御を実現、未知物体で96%の成功率を達成した。
- 視覚ベースロボット把持のための深層強化学習：オフポリシー手法のシミュレーション比較評価マニピュレーション2018/2/1
視覚ベースのロボット把持タスク向けに、未見物体への汎化とオフポリシー学習に焦点を当てたシミュレーションベンチマークを提案し、複数のQ関数推定手法を比較評価した。
- 再帰制御による視点不変なSim2Realビジュアルサーボsim2real2017/12/1
深層再帰コントローラを強化学習で訓練し、視点変化に頑健なビジュアルサーボを実現。知覚と制御を分離して視覚層のみ適応させることで実機へ転移した。
- 意味的把握のエンドツーエンド学習マニピュレーション2017/7/1
単眼画像からユーザー指定クラスの物体を把持するため、物体検出・分類・把持計画を二流仮説に基づきエンドツーエンドで学習するフレームワークを提案した論文。
- 時間対照学習：動画からの自己教師あり学習自己教師あり学習2017/4/1
複数視点のラベルなし動画から、視点不変で時間的に変化する特徴を時間対照損失で学習し、ロボットの人間動作模倣や報酬関数として活用できることを示した論文。
