Haruki Nishimura
Toyota Research Institute
収録論文 21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
- 失敗から学ぶVLAの汎用リカバリ学習フレームワークVLA2026/11/5
少数の修正デモから失敗の意図を推論し、空間表現と条件付きコストとして知識を符号化することで、VLAモデルが新規物体やシーン変化にも汎化できるリカバリ動作を学習する手法を提案。
- 行動グラフ：ロボット展開データを解釈するための教師なしグラフ構造データ解釈/可視化2026/10/30
ポリシーのロールアウトを解釈可能な有向グラフに圧縮する「行動グラフ」を提案し、展開データの分析やデータ収集戦略の判断を容易にするとともに、進捗予測精度も向上させる。
- AnyRank: 逐次検定による信頼性の高いいつでも可能なポリシーランキング評価・ベンチマーク2026/10/10
限られたハードウェア試行で複数のロボットポリシーをランク付けする際、逐次検定と多重仮説検定を組み合わせて誤ランキング確率を抑えつつ、必要な評価回数を最大50%削減する手法を提案。
- 双線形フローポリシー：目標条件付き視覚運動模倣のための分布的外挿模倣学習2026/10/5
未見の目標に対しても多峰性を保ちながら外挿できるよう、アンカー検索と双線形条件付きフローを組み合わせた視覚運動模倣ポリシーを提案し、シミュレーションの操作タスクで分布外成功率を大幅に改善した。
- ガウスで十分：大規模行動モデルのファインチューニングにフローマッチング事前分布は効かない模倣学習2026/9/22
大規模行動モデルのファインチューニングでは、目標に近い非ガウス事前分布を使っても標準ガウスと性能が変わらないことを大規模実験で示し、その理由を分析した論文。
- VLA Foundry: 視覚言語行動モデル訓練のための統合フレームワークVLA2026/4/1
LLM、VLM、VLAの訓練を単一コードベースで統合するオープンソースフレームワークを提案し、スクラッチからの訓練と事前学習済みバックボーンを用いた訓練の両方をサポートし、シミュレータ上で評価した。
- 異なる失敗がロボットの知覚信頼性に与える影響HRI/信頼性2026/3/1
ロボットの失敗の種類（滑り、停止、誤動作）が人間の信頼感に与える影響を調べ、失敗後の成功が信頼回復に有効であることを示した研究。
- 二値的成功を超えて：サンプル効率的で統計的に厳密なロボットポリシー比較評価・ベンチマーク2026/3/1
ロボット操作ポリシーの評価を少数の実機試行で行う際に、サンプル効率的で統計的に厳密な比較フレームワークを提案。逐次検定により早期停止を可能にし、離散的な部分成功から連続的な報酬まで幅広い指標に対応する。
- ロボットマニピュレーションのための大規模行動モデルの共訓練におけるデータモダリティと戦略の系統的研究マニピュレーション2026/2/1
ロボット操作のための大規模行動モデルを共訓練する際に、5種類のデータモダリティと訓練戦略が性能に与える影響を大規模実験で調査し、視覚言語データと異なる身体のロボットデータの共訓練が汎化を大幅に改善することを示した。
- マルチタスク巧みな操作のための大規模行動モデルの慎重な検証マニピュレーション2025/7/1
大規模行動モデル（LBM）をシミュレーションと実世界で厳密に評価し、マルチタスク事前学習が単一タスクより成功率・堅牢性・データ効率を高めることを統計的に示した。
- SAFE: 視覚言語行動モデル向けマルチタスク故障検知VLA2025/6/1
VLAの内部特徴からタスク失敗の可能性を予測する汎用的な故障検知器SAFEを提案し、未見タスクでも高精度・早期検知を実現した。
- CUPID: 影響関数でロボットが好むデータを選別模倣学習2025/6/1
模倣学習において、各デモンストレーションが方策の性能に与える影響を影響関数で推定し、有害なデータを除去・有益なデータを選択するデータキュレーション手法を提案。
- STITCH-OPE: ガイド付き拡散による軌道スティッチングを用いたオフポリシー評価オフポリシー評価2025/5/1
行動データで事前学習した拡散モデルを目標方策のスコアでガイドし、部分軌道を繋ぎ合わせることで、高次元・長期間のオフポリシー評価を低分散で行う手法を提案した。
- 失敗データなしで失敗を検出できるか？模倣学習ポリシーの不確実性を考慮した実行時失敗検出マニピュレーション2025/3/1
模倣学習ポリシーの失敗を、成功データのみから逐次的な分布外検出として捉え、不確実性を定量化するスカラー信号とConformal Predictionで検出する手法FAIL-Detectを提案。
- 模倣学習ポリシーの比較：準最適停止を伴う統計的検定模倣学習2025/3/1
少数試行で2つの模倣学習ポリシーを厳密に比較するため、逐次的に試行数を適応させる準最適停止型の統計的検定手法を提案し、実機マニピュレーション実験で有効性を示した。
- 行動クローニング方策の汎化性能を統計的に評価する枠組みVLA2024/5/1
少数のロールアウトから、行動クローニング方策の性能分布の下限をユーザー指定の信頼度で保証する統計的評価フレームワークを提案し、シミュレーションと実機で検証した。
- 分布内バリア関数：分布外状態を回避する自己教師ありポリシーフィルタ安全制御2023/1/1
オフラインの安全なデモデータから潜在空間でバリア関数を学習し、高次元視覚入力のみを使う制御器が訓練分布から外れた状態に入らないよう誘導するポリシーフィルタを提案した。
- RAP: リスクを考慮した予測によるロバスト計画予測・計画2022/10/1
予測自体をリスク考慮型にし、リスク偏りのある軌道分布を学習することで、オンライン計画時のリスク評価を効率化し安全なリアルタイム動作を実現する手法を提案。
- RAT iLQR：確率的モデル誤差に最適に対処するリスク自動調整コントローラ制御/MPC2020/10/1
ガウス分布からのKLダイバージェンス制約下で最悪ケース分布に対する分布ロバスト制御を実現する非線形MPCを提案し、リスク感度をオンラインで自動調整するアルゴリズムを開発した。
- リスク感度付き逐次行動制御とマルチモーダル歩行者予測による安全な群衆-ロボットインタラクション群衆ナビゲーション2020/9/1
エントロピックリスク尺度を用いたリスク感度型確率的制御とTrajectron++によるマルチモーダル軌道予測を組み合わせ、群衆環境で安全かつ効率的にロボットをナビゲートするオンラインフレームワークを提案した。
- SACBP：確率的逐次行動制御による連続時間力学系の信念空間計画信念空間計画2020/2/1
連続時間の確率的力学系に対し、微分方程式の摂動論と逐次行動制御を拡張して、空間や時間の離散化なしに準リアルタイムで制御信号を生成する信念空間計画アルゴリズムSACBPを提案した論文。
