Franck Djeumou
収録論文 7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
- 意味クラスを超えて:埋め込み条件付きガウス混合によるオンライン物理パラメータ推定物理パラメータ推定2026/11/6
視覚埋め込みに直接条件付けしたガウス混合事後分布により、接触前に摩擦や剛性などの物理パラメータをリアルタイム推定する手法を提案し、自律レーシングシミュレーションで有効性を示した。
- まず未知を知ること:限界走行のための能動的情報収集制御/適応学習2024/11/1
車両の限界走行において、ベイズメタ学習による動的モデルと能動的情報収集を組み合わせ、オンライン適応だけでは不安定な制御を安定化させるフレームワークを提案した。
- 悪条件下のレース向けリスク回避型モデル予測制御制御/MPC2024/10/1
摩擦限界やタイヤパラメータの不確かさをCVaR制約で考慮し、GPU並列化で解くリスク回避型MPCを提案し、実車実験で悪路でも安定した走行を実現した。
- 強化学習による参照不要のフォーミュラドリフト:走行データからタイヤエネルギー着想の実世界ポリシーへ強化学習/車両制御2024/10/1
走行データから学習した車両モデル上で強化学習を行い、ウェイポイントに沿って実車でドリフト走行を実現した。
- 3分のデータから学習・汎化する:物理制約と不確実性を考慮したニューラル確率微分方程式モデルベース制御2023/6/1
物理知識を組み込んだドリフト項と不確実性を表す拡散項を持つニューラルSDEを提案し、3分の飛行データのみからヘキサコプタのアグレッシブな軌道追従制御を実現した。
- 物理情報を組み込んだニューラルネットワークによる力学系モデリング物理情報ニューラルネット/力学系モデリング2021/9/1
物理法則やロボット設計などの事前知識をネットワーク構造と制約に組み込み、軌道データから力学モデルを学習する枠組みを提案し、ロボット環境で大幅な精度向上を示した。
- 1回の試行で到達・遊泳・歩行・飛行を学習:乏しいデータと副次情報を活用したデータ駆動制御データ駆動制御2021/6/1
未知の動的システムに対し、1回の試行から得られるノイズ付きストリーミングデータと物理法則などの副次情報だけを用いて、データ駆動型微分包含を反復的に精緻化し最適制御を近似する学習制御アルゴリズムを提案した。F-16シミュレータとMuJoCoで、数百万回の環境相互作用で訓練した強化学習に匹敵する性能を示した。
