Felix Berkenkamp
収録論文 11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
- 強化学習におけるオンポリシーモデル誤差補正モデルベースRL2021/10/1
実データをオンポリシー予測に用い、学習モデルは行動の一般化にのみ使うことで、モデルベースRLの誤差蓄積を抑えつつデータ効率を向上させる手法を提案。
- 楽観的方策探索と計画による効率的なモデルベース強化学習モデルベース強化学習2020/6/1
不確実性を考慮した楽観的探索を標準的な貪欲プランナで解ける形に再定式化し、学習効率を大幅に改善する手法H-UCRLを提案した論文。
- 成功した行動を続けよう:オフライン強化学習のための行動モデリング事前分布オフライン強化学習2020/2/1
オフライン強化学習において、過去に実行され成功しやすい行動へ方策を誘導するアドバンテージ重み付き行動モデル(ABM)を提案し、連続制御や実ロボットのマルチタスク学習で改善を示した。
- 対話型機械学習のための安全な探索フレームワーク安全探索2019/10/1
既存の対話型機械学習アルゴリズムを安全にするアドオン型フレームワークを提案し、ガウス過程事前分布の正則性仮定を利用して必要な安全領域のみを効率的に探索する。
- リアプノフニューラルネットワーク:動的システムの安全な学習のための適応的安定性認証安全学習2018/8/1
ニューラルネットワークでリアプノフ関数を構成し、非線形閉ループ系の最大安全領域に適応させることで、モデル構造に依存せず入出力データのみから安全性を認証する手法を提案した。
- 安全な探索を実現する学習ベースモデル予測制御モデル予測制御2018/3/1
ガウス過程による不確実性推定と終端集合制約を組み合わせ、確率的な安全保証を備えた学習ベースMPCを提案し、動的システムの安全かつ効率的な探索を実現した。
- ベイズ最適化による制御器の敵対的例検証制御検証2018/2/1
ベイズ最適化を用いて、ロボット制御器が安全仕様に違反する敵対的挙動を効率的に探索・検証するフレームワークを提案した。
- 仮想と現実の融合:ベイズ最適化による強化学習でのシミュレーションと物理実験のトレードオフsim2real2017/3/1
シミュレーションの安価で不正確な情報と物理実験の高価で正確な情報をベイズ最適化で自動的に組み合わせ、少ない実験回数で制御ポリシーを効率的に学習する手法を提案した。
- ガウス過程を用いた有限マルコフ決定過程における安全な探索安全探索2016/6/1
未知の安全制約下で有限MDPを安全に探索するアルゴリズムを提案し、安全到達可能領域を制約違反なく完全探索できることを証明した。ローバによる未知地図探索で実証した。
- 安全制約付きベイズ最適化:ロボティクスにおける安全で自動的なパラメータ調整パラメータ調整2016/2/1
目的関数とは別に複数の安全制約を設け、初期の安全パラメータ集合からガウス過程事前分布を活用して安全を高確率で満たすパラメータのみを評価しながら性能を最大化するベイズ最適化手法を提案した論文。
- ガウス過程を用いたクアッドロータの安全な制御器最適化制御最適化2015/9/1
SafeOptと呼ばれる安全制約付きベイズ最適化をクアッドロータの制御パラメータ調整に初めて適用し、実機上で安全を保証しながら人手なしで高速に自動チューニングできることを示した。
