James Harrison
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
- 自動運転オンデマンド交通システムの制御における再現性群制御2025/6/1
自動運転オンデマンド交通（AMoD）研究の再現性を体系的に調査し、モデル化・制御・シミュレーション・評価の各段階での課題を分析して、再現性チェックリストとガイドラインを提案した。
- LLaMAR: 部分観測環境におけるマルチエージェントロボットの長期計画マルチエージェント計画2024/7/1
言語モデルを用いて、部分観測可能なマルチエージェント環境での長期タスク計画を自己修正しながら実行する手法を提案し、家庭内タスクと捜索救助タスクで成功率を30%向上させた。
- 不確かさキャンセリングによる適応的ロバストモデル予測制御モデル予測制御2022/12/1
未知の非線形外乱を含む線形系に対し、オンライン学習した動的モデルを用いて不確かさを推定・キャンセルする適応的ロバストMPCを提案し、制約下での安全性を確率的に保証する。
- 適応的メタ学習による行動予測の展開範囲の拡大行動予測2022/9/1
メタ学習（ベイズ回帰）を用いて行動予測モデルに適応層を追加し、新しい環境への効率的な適応を可能にした研究。
- 不確かなダイナミクスを持つ系の確率微分方程式による再定式化の問題点制御理論2021/11/1
パラメータ不確かさを持つ系をブラウン運動の外乱を加えた確率微分方程式で置き換える近似の誤りを指摘した論文。
- グラフニューラルネットワーク強化学習による自動運転オンデマンド交通の制御グラフ強化学習2021/4/1
都市交通網をグラフとして捉え、グラフニューラルネットワークを用いた強化学習で自動運転オンデマンド車両の再配置を制御し、他都市へのゼロショット転移やサービスエリア拡張への高い汎化性能を示した論文。
- 不確実性と学習ベース制御のためのパーティクルMPCMPC2021/4/1
パーティクルで表された不確実性を直接取り込む非線形MPCを提案し、部分的な合意ホライズンを導入して過度な保守性と楽観性を緩和、時変・部分観測ダイナミクスやセンシング不確実性、モデルベース強化学習で性能向上を示した。
- 適合・不適合不確かさに対応する適応ロバストモデル予測制御ロバストMPC2021/4/1
未知の非線形項を含む線形系に対し、オンライン学習と適応制御の推定・相殺則を組み合わせたロバストMPCを提案し、統計的保証付きで安全制約を満たしつつ大きな不確かさに耐えることを示した。
- 安全な能動的ダイナミクス学習と制御：逐次探索・活用フレームワーク安全制御2020/8/1
ベイズメタ学習と最終層適応を用いて動力学の不確かさに対処し、探索で不確かさを減らしてから活用することで、全タスク期間にわたり制約を高確率で満たす安全な軌道計画を実現する手法を提案した。
- 生涯にわたる非定常性に対応する深層強化学習強化学習2020/6/1
環境が生涯にわたり変化し続ける設定を定式化し、潜在変数モデルで環境表現を学習しながらオフポリシー強化学習を行う手法を提案した。
- クラウドロボティクスのためのネットワークオフロード方針：学習ベースのアプローチクラウドロボティクス/オフロード/強化学習2019/2/1
ロボットが不確実なときや高精度な計算が必要なときに、クラウドへセンシングタスクをいつ・どのようにオフロードするかを深層強化学習で決定し、通信コストを抑えつつ視覚タスク性能を1.3〜2.6倍改善する手法を提案した。
- 効率的なオンライン・ベイズ回帰のためのメタ学習事前分布ベイズ回帰/メタ学習2018/7/1
ニューラルネットで有限次元特徴表現と重みの事前分布をメタ学習し、ガウス過程回帰より計算・データ効率良くオンライン予測するALPaCAを提案。
- BaRC：ロボット強化学習のための後方到達可能性カリキュラム強化学習2018/6/1
近似ダイナミクスモデルを用いて、ゴールに近い状態から学習を始め、性能向上に応じて初期状態分布を後方に拡大するカリキュラムを提案し、モデルフリーRLの学習を加速した。
- 示範から学習した非一様サンプリング分布によるロボット動作計画動作計画2017/9/1
条件付きVAEで示範からサンプリング分布を学習し、最適解が存在しうる領域にサンプルを偏らせることで、サンプリングベース動作計画の成功率と最適コストへの収束を大幅に改善した。
- 確率的動力学系におけるゼロショット適応ポリシー転送sim2real2017/7/1
シミュレータで学習したRLポリシーを、オンラインのチューブ型MPCと組み合わせることで、動力学誤差のある未知環境へ安全かつゼロショットで転送するADAPTを提案した。
