Hikaru Sasaki
Nara Institute of Science and Technology
収録論文 13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
- 経験に基づく実現可能性を考慮した身体性不一致下での観察からの生成的敵対的模倣模倣学習2026/10/1
ロボット自身の経験から実現可能性を推定し、身体性の違いで実行不可能な人間のデモを適応的に除外しながら観察から模倣学習する手法を提案。
- quARtetマーカー:堅牢な正面付近姿勢推定のための3Dプリント可能なマルチタグフィデューシャル姿勢推定2026/10/1
複数のAprilTagを傾けて配置した3Dプリント可能なフィデューシャルを提案し、正面付近の姿勢推定精度を単一平面タグより大幅に改善しつつ、把持可能性も確保した。
- タスク関連・非関連領域を考慮した農業操作における視覚模倣学習の一般化のための拡張手法模倣学習2026/3/1
農業操作における視覚模倣学習の一般化を改善するため、観測をタスク関連領域と非関連領域に分け、それぞれに適したデータ拡張を行うDRAILを提案した。
- マルチモーダルフィードバックを用いた実行可能性を考慮した観察からの模倣学習模倣学習2026/2/1
ロボットの動作を実演から学ぶ際、実演がロボットにとって実行不可能な場合でも、視覚と触覚のフィードバックで実演を改善し、実行可能性を考慮して頑健な方策を学習する手法を提案。
- 化学実験自動化のためのロボットシステム:エンドエフェクタと治具操作の二重教示マニピュレーション2025/6/1
化学者がロボット動作と実験治具の操作を同時に教示できるインターフェースを開発し、ピペッティングや希釈を含む高分子合成実験で高い再現性と成功率を実証した。
- 手装着型デモインターフェースを用いた実行可能性を考慮した観察からの模倣学習模倣学習2025/3/1
人間のデモがロボットにとって実行可能かを事前学習済みの順・逆動力学モデルで評価し、視覚フィードバックで提示するとともに学習時の重み付けに用いることで、模倣学習のデータ効率と頑健性を高める手法を提案した。
- 複合ガウス過程フローによる不連続マルチモーダル方策の学習模倣学習2025/2/1
ガウス過程の重み付き混合と連続正規化フローを組み合わせ、マルチモーダルで局所的な不連続を含むロボット制御方策を効率的に学習する半パラメトリックモデルを提案した。
- 部分自動化下での外乱注入:長期的タスクのためのロバスト模倣学習模倣学習2023/3/1
部分自動化環境で、人間の操作とモード切替を模倣学習し、外乱注入でロバスト性を高める手法を提案。長期的タスクで有効性を検証。
- ベイズ外乱注入:ロボットマニピュレーションのための柔軟な方策のロバスト模倣学習模倣学習2022/11/1
人間の実演に見られる複数の最適行動やリスクに応じた回復行動を模倣するため、ベイズ推論で柔軟な非パラメトリック多行動方策を学習しつつ、リスク感受性のある外乱を注入して方策をロバスト化する模倣学習フレームワークBDIを提案した。
- 弱観測環境におけるガウス過程自己トリガ型方策探索強化学習2022/5/1
ごみクレーンなど観測が乏しい環境で、行動とその持続時間を同時に学習するガウス過程ベースの方策探索法を提案し、ごみの把持・散布タスクで有効性を示した。
- タスク達成度を考慮した外乱注入型ロバスト模倣学習模倣学習2022/5/1
質の異なる実演データから、タスク達成度に基づく重み付けと外乱注入を組み合わせ、安定かつ高性能な方策を学習する模倣学習フレームワークを提案し、掘削タスクのシミュレーションと実機で有効性を示した。
- スパースガウス過程事前分布を用いた多峰最適行動学習のための変分方策探索マニピュレーション2021/6/1
同じ状態に複数の最適行動が存在する場合でも学習できるよう、スパースガウス過程と変分ベイズ推論に基づく2種類の方策探索法を提案し、物体操作タスクで有効性を示した論文。
- ベイズ的撹乱注入:柔軟な方策のロバスト模倣学習模倣学習2021/3/1
ベイズ変分推論と撹乱注入を組み合わせ、複数の最適行動を柔軟に学習しつつ誤差に頑健な模倣学習方策を実現した。UR3ロボットアームのテーブル掃引タスクで有効性を検証。
