Hugo T. M. Kussaba
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
- 安全で安定なニューラルネットワーク力学系によるロボット動作計画模倣学習2025/11/1
ニューラルネットワークで力学系を学習し、同時にリアプノフ安定性とバリア安全性の証明も学習する模倣学習フレームワークを提案。安全でないデモからでも安全・安定な動作を獲得できる。
- 線形パラメータ変動力学系の合成による高次元デモンストレーションのスケーラブルな学習模倣学習2025/7/1
ロボットの模倣学習において、高次元デモンストレーションを安定な力学系にエンコードする際の計算負荷と数値的問題を解決するため、線形パラメータ変動力学系を合成する新しいアプローチを提案した。
- クラッチ付き弾性ロボットの最適制御:接触陰的アプローチ最適制御2024/7/1
クラッチ付き弾性ロボットにおいて、制御入力とクラッチの切り替え系列を同時に最適化する接触陰的な手法を提案し、二重振り子で有効性を示した。
- 障害物回避のためのバリア証明付き多項式力学系の学習模倣学習/障害物回避2024/3/1
ロボットの障害物回避のため、バリア証明を組み込んだ最適化で安定な力学系を学習する手法を提案。多項式表現とSOS最適化により、従来より複雑な障害物形状に対応可能。
- 実時間ロボット制御のための高速かつ予測可能な制動動作制御2023/6/1
ロボットの停止軌道をオンラインで予測しながら、高速で滑らかな制動を実現する枠組みを提案し、7自由度アームのシミュレーションで有効性を検証した。
- 最適制御器の学習:動的運動プリミティブアプローチ最適制御/運動プリミティブ2023/6/1
最適解から得た動的運動プリミティブを用いて最適制御器を学習し、その誤差を推定可能にするとともに、計算資源が限られた環境でも使える効率的なサンプリング手法を提案した。
- BSA:弾性関節ロボットにおける固有コンプライアンスと慣性結合効果を最適に活用する二段剛性アクチュエーションアクチュエーション2022/12/1
二段剛性アクチュエーション(BSA)という新しいアクチュエータ概念を提案し、スイッチ・アンド・ホールドクラッチでリンクを関節機構から完全に切り離しつつ弾性エネルギーを保持することで、可変剛性アクチュエーションと同等の最適性能を達成し、エネルギー伝達のタイミングを直接制御できることを示した。
