Harshit Sikchi
収録論文 15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
- 正則化潜在ダイナミクス予測は行動基盤モデルの強力なベースラインである強化学習2026/3/1
ゼロショット強化学習のための状態特徴学習において、複雑な表現学習目的が本当に必要かを検証し、潜在空間での次状態予測に直交性正則化を加えたシンプルな手法RLDPが、既存の複雑な手法と同等以上の性能を達成することを示した。
- 行動基盤モデルの高速適応強化学習2025/4/1
事前学習済み行動基盤モデルのゼロショット方策を、低次元タスク埋め込み空間での探索によりオンライン数ステップで高速適応させる手法を提案。
- CREStE: インターネット規模の事前知識と反事実ガイダンスによるスケーラブルな地図なしナビゲーションナビゲーション2025/3/1
視覚基盤モデルの蒸留と反事実逆強化学習を組み合わせ、未知の都市・オフロード環境でも長距離を地図なしで走行できるナビゲーション手法を提案。
- RLZero: ドメイン内教師なしで言語から直接方策を推論VLA2024/12/1
言語指示から動画生成モデルで想像した観測を対象環境に投影し、教師なし強化学習で事前学習したエージェントが即座に模倣することで、追加学習なしに言語から行動を生成する手法を提案。
- オフラインデータセットを用いた観察からの模倣学習への双対アプローチ模倣学習2024/6/1
専門家の行動データなしに観察のみから模倣するため、双対性原理に基づく多段効用関数を直接学習するDILOを提案し、高次元観察でも性能を向上させた。
- ロボットエアホッケー:強化学習のためのマニピュレーションテストベッドsim2real2024/5/1
ロボットエアホッケーを題材に、到達からブロック押し出しまで多様なタスクと2つのシミュレータ・実機を含む強化学習テストベッドを構築し、模倣学習・オフラインRL・スクラッチRLで評価した。
- SMORE: オフライン目標条件付き強化学習のためのスコアモデルオフライン強化学習2023/11/1
オフラインデータのみを用いて多様な目標を達成するスキルを学習するため、混合分布マッチングに基づく識別器不要の手法を提案し、操作・歩行タスクで既存手法を大幅に上回る性能を示した。
- 双対強化学習:強化学習と模倣学習の統一と新手法強化学習2023/2/1
強化学習と模倣学習の既存手法を双対問題として統一的に捉え、その制約を解消する新手法ReCOILとf-DVLを提案し、ロボットの移動・操作タスクで性能向上を実証した。
- Real Robot Challenge 2021: 三角把持と軌道補間によるデカルト位置制御マニピュレーション2022/3/1
RRC2021の連続目標到達タスクに対し、把持安定性と制御性能に着目し、三角把持と軌道補間を組み合わせた手法を提案した準優勝アプローチ。
- 模倣学習のためのランキングゲーム模倣学習2022/2/1
模倣学習を方策と報酬の2プレイヤーランキングゲームとして定式化し、専門家デモと選好データの両方から同時に学習できる新アルゴリズムを提案した論文。
- クラウド上のロボット競技会:Real Robot Challengeマニピュレーション2021/9/1
遠隔操作可能な3本指ロボットプラットフォームを構築し、世界中のチームが参加できる器用な物体操作の競技会を開催した。競技で収集した数百時間分のデータセットも公開している。
- リアプノフ障壁関数による安全制約付き強化学習ポリシー最適化安全強化学習2021/3/1
リアプノフ障壁関数を用いてポリシー更新を安全集合内に制限し、学習中の制約違反を大幅に削減する強化学習手法LBPOを提案した。
- f-IRL:状態周辺分布マッチングによる逆強化学習逆強化学習2020/11/1
エージェントと専門家の状態分布間のfダイバージェンスの解析的勾配を導出し、専門家密度から定常報酬関数を復元するf-IRLを提案。サンプル効率と必要専門家軌跡数で敵対的模倣学習を上回り、下流タスクや動力学変化への行動転移にも有効。
- オンライン計画とオフポリシー学習を組み合わせた強化学習手法LOOP強化学習2020/8/1
学習済みモデルと価値関数を用いたHステップ先読み方策を提案し、モデル誤差と価値誤差のトレードオフを理論・実験で示すとともに、Actor Divergence問題を解決するARCを導入してロボットタスクでの性能向上を実証した論文。
- 条件付き正規化フローによる模倣プランニング軌道計画2020/7/1
正規化フローを用いて専門家軌跡の低次元潜在空間にサンプリング方策を学習し、自動運転の軌道計画を効率化する手法を提案した論文。
