Glen Berseth
収録論文 29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
- 幾何学的ホライズンモデルによる目標想像と方策の汎化模倣学習2026/10/13
幾何学的ホライズンモデルからサンプリングして新たな目標を想像し、目標条件付き模倣学習の方策を訓練することで、未見タスクへの汎化性能を向上させる手法を提案。
- 安全探索:リカバリ介入付き強化学習のための不偏混合方策勾配強化学習2026/7/9
安全領域外でリカバリ方策に切り替える際の混合方策バイアスを、スコア関数のみを用いた不偏勾配推定で解消するPPO拡張を提案し、転倒を大幅に削減した。
- 視覚-行動ロボットデータの再ラベリングによるタスク堅牢性向上VLA2026/6/9
大規模視覚言語モデルを用いて既存のロボットデータセットを拡張し、追加データ収集なしで指示追従性能と汎化性を向上させるフレームワークTREADを提案した。
- 形態条件付けによるハードウェア非依存の四足歩行ワールドモデルに向けてワールドモデル2026/4/1
四足歩行ロボットのワールドモデルを、ロボットの形態情報を明示的に条件付けすることで、異なるハードウェア間でゼロショット汎化可能にする手法を提案した論文。
- 時間的表現による探索:外部報酬なしでの複雑な探索行動の学習探索2026/3/2
時間的コントラスト表現を用いて、未来の予測が難しい状態を優先的に探索する手法を提案し、移動・操作・身体化AIタスクで複雑な探索行動を学習できることを示した。
- SLowRL: 安全な低ランク適応強化学習による歩行制御歩行2026/3/1
シミュレーションで学習した歩行ポリシーを実機で安全かつ効率的に微調整するフレームワークSLowRLを提案。低ランク適応と回復ポリシーによる安全制約を組み合わせ、Unitree Go2ロボットでのジャンプとトロットタスクで微調整時間を46.5%削減し、安全性違反をほぼゼロにした。
- 整列とフィルタリング:非同期オン方策強化学習の性能向上強化学習2026/3/1
分散学習と高頻度更新によるポリシーラグ(データ生成と学習の不整合)を軽減するため、全変動に基づくアドバンテージ整列制約付きポリシー最適化手法を提案し、古典的RLタスクとLLM数学推論タスクで有効性を検証した。
- 事前学習済みVLAポリシーをモデルベース探索で改善するVLAPSVLA2025/8/1
事前学習済みVLAポリシーの行動事前分布でMCTSをバイアスし、言語条件付きロボットタスクの成功率を高める推論フレームワークを提案。
- SegDAC: 動的オブジェクトトークンによる強化学習の視覚的汎化VLA2025/8/1
テキスト誘導セグメンテーションで物体マスクを抽出し、可変長のオブジェクトトークン列をTransformerベースのActor-Criticで処理する強化学習手法を提案。視覚条件が変化するテスト時でも高い汎化性能を示した。
- RoboArena:汎用ロボットポリシーの分散型実世界評価ロボット評価/ベンチマーク2025/6/1
評価者ネットワークが自由にタスクと環境を選び、ペア比較の二重盲検評価を集約することで、汎用ロボットポリシーをスケーラブルかつ公平にランキングする手法を提案し、7機関・600以上の実機評価で有効性を示した。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- 多様で動的かつ堅牢な二足歩行制御のための強化学習歩行2024/1/1
深層強化学習により、歩行・走行・跳躍・立位など多様な二足歩行スキルを実現する汎用制御器を開発し、実機Cassieで高い適応性と堅牢性を示した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- オフライン強化学習による適応型ヒューマンマシンインターフェースのブートストラップヒューマン・イン・ザ・ループ強化学習2023/9/1
ノイズの多い高次元コマンド信号をアクションにマッピングするインターフェースを、オフライン事前学習とオンライン微調整を組み合わせた強化学習で訓練し、ユーザーの長期意図を推論することで、視線によるナビゲーション支援を改善した。
- トルクベース深層強化学習による二足歩行ロボットのタスク・ロボット非依存学習とSim-to-Real転移歩行/Sim2Real2023/4/1
位置制御ではなくトルク制御を行動空間に用いることで、パラメータ調整を減らしつつタスクやロボットに依存しない学習を実現し、実機サイズの二足歩行ロボットでトルクベース強化学習方策のSim-to-Real転移に初めて成功した。
- 強化学習による堅牢で多様な二足歩行ロボットのジャンプ制御歩行2023/2/1
強化学習を用いて二足歩行ロボットCassieに多様な動的ジャンプを実現させ、実世界での外乱や着地失敗からの復帰も可能にした。
- 四足歩行ロボットによる高精度サッカーシュートのための階層型強化学習強化学習/四足歩行/マニピュレーション2022/8/1
四足歩行ロボットが実世界で正確にサッカーボールを目標地点へ蹴るため、運動制御と計画を階層的に強化学習するフレームワークを提案し、A1ロボットで実証した。
- AnyMorph: エージェント形態を推論して転移可能な方策を学習強化学習2022/6/1
強化学習において、エージェントの形態記述を事前に与えずに、多様な形態のエージェントで訓練した方策を新しい形態のエージェントにゼロショット転移できる手法を提案。
- 眼 gaze 入力によるロボット操作を可能にする階層型ヒューマン・イン・ザ・ループ強化学習ヒューマン・イン・ザ・ループ強化学習2022/2/1
事前学習した高レベル行動の潜在空間と、スパースなユーザーフィードバックからの効率的な学習を組み合わせ、ウェブカメラの視線入力でロボットを操作できる支援インターフェースを実現した研究。
- 継続的メタ方策探索メタ強化学習2021/12/1
過去タスクを再訪せずに逐次的にメタ学習するCoMPSを提案し、連続制御タスク列で既存手法を上回る性能を示した。
- 実世界で完全自律的に学ぶ移動マニピュレーションの強化学習移動マニピュレーション2021/7/1
環境への特別な計測装置や人の介入なしに、実世界のロボットがナビゲーションと把持を組み合わせた部屋の片付けスキルを約40時間の自律学習で獲得する手法ReLMMを提案した。
- 目標分布で条件付けする汎用強化学習ポリシー強化学習/マニピュレーション2021/4/1
目標を分布として表現し、それに条件付けられた汎用ポリシーをオフポリシーRLで学習するDisCo RLを提案し、新しい目標分布への汎化を要するロボット操作タスクで従来法を大きく上回った。
- 二足歩行ロボットの堅牢なパラメータ化歩行制御のための強化学習歩行2021/3/1
シミュレーションでドメインランダム化を用いたモデルフリー強化学習により歩行方策を学習し、実機Cassieに転送して速度・高さ・旋回の多様な歩行を従来手法より堅牢に実現した。
- 形態非依存の視覚的ロボット制御視覚サーボ2019/12/1
ロボットの形状やカメラ位置の事前知識なしに、数秒の探索動作で視覚的な制御点を自己発見し、視覚サーボで制御する手法MAVRICを提案。
- 状況に応じた想像ゴールによる自己教師ありロボット学習自己教師あり学習2019/10/1
ロボットが現在の環境や手元の物体に合わせて達成可能で多様なゴールを自ら提案し、自己教師ありゴール条件付き強化学習で効率的に技能を学ぶ手法を提案した論文。
- 単一動画デモンストレーションからの模倣学習模倣学習2019/1/1
単一の動画デモのみから報酬関数を対照学習で獲得し、強化学習エージェントが状態・行動情報なしに模倣行動を学習する手法を提案した論文。
- 地形RLシミュレータsim2real2018/4/1
ランダム生成地形を含む89種類の難易度別シミュレーション環境を提供し、エージェント形態や地形分布を変更できるライブラリを公開した論文。
- 深層強化学習によるCassieのフィードバック制御歩行2018/3/1
実機に基づく二足歩行ロボットCassieのモデルで、参照動作を模倣する深層強化学習により頑健な歩行制御器を学習し、速度変化や外乱への適応性を示した。
- 蒸留を用いた段階的強化学習による多技能運動制御歩行2018/2/1
連続行動空間における方策蒸留を拡張し、異なる地形を歩く複数の専門方策を統合して段階的に新技能を獲得するPLAID手法を提案した。
