Jan Peters
Technical University of Darmstadt
収録論文 225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
- タングラム組み立てのためのマルチエージェント物体中心強化学習マニピュレーション2026/11/6
各パーツをエージェントとして扱い、グラフニューラルネットワークと共有方策で連続的な組み立て制御を学習する物体中心強化学習フレームワークを提案し、平面タングラム組み立てで実機転移まで示した。
- 加速度ベースの報酬でヒューマノイド歩行を数分で学習するSTRIDE歩行2026/11/6
機体のIMUだけで得られる加速度指令への追従を報酬とし、オフポリシーRLと左右対称拡張を組み合わせて、ヒューマノイドの歩行を約14分のサンプルで学習させる手法を提案した。
- 行動のための検索：ロバストなVLA実行のための動作プリミティブグラフ検索VLA2026/10/27
訓練時の動作履歴を時空間動作プリミティブグラフとして構築し、推論時にGNNで現在位置を特定して将来の動作を検索・融合することで、VLAポリシーの分布外視覚変化へのロバスト性を高める手法を提案。
- 確率的モーション・トークン化によるヒューマノイド全身制御全身制御2026/10/27
動作を離散トークンに変換する確率的トークナイザを提案し、ラベルやテキスト指示から生成した全身動作をUnitree G1実機で追従させた研究。
- 歩いた場所を記憶せよ：脚式ロボットのエンドツーエンド探索のための空間記憶学習歩行2026/10/27
脚式ロボットの迷路探索向けに、位置ベースの記憶セルに情報を保存するLocal Spatial Matrix Memory（LSMM）を提案し、長期記憶を必要とする探索で従来手法より優れた地図再構成性能を示した。
- RoboWorM：身体性ビデオ世界モデルにおける運動のリアリズム・一貫性・加速効果の評価ビデオ世界モデル2026/10/24
ロボット操作向けビデオ世界モデルを、実機展開を意識して評価するベンチマークRoboWorMを提案し、VLM不要の運動安定性・多視点幾何一貫性指標と加速手法の品質効率監査を行う。
- フローマッチングとモデル予測制御を統合した安全なロボットナビゲーションナビゲーション2026/10/21
フローマッチングによる経路生成とモデル予測追従制御を組み合わせ、制約を満たし障害物を回避しながらリアルタイムに移動ロボットを誘導する枠組みを提案した論文。
- 後退ホライズン安全クリティックと微分可能アクションシールドによる安全強化学習安全強化学習2026/10/14
ロボット強化学習において、将来の安全性を予測する後退ホライズン安全クリティックを学習し、微分可能なCBF型安全フィルタと組み合わせることで、四足歩行の外乱や地形変化に対する頑健性を向上させた。
- 階層型制御構造を活用した文脈的パラメータ学習によるヒューマノイドの移動操作移動操作2026/10/3
階層型制御システムのパラメータを、タスク性能・実現品質・制御努力を分離して観測する文脈的ベイズ最適化で統合的に学習し、ヒューマノイドの箱押し移動操作で有効性を示した論文。
- 続行・中止・転倒：安全なヒューマノイドアクロバットのための実行可能性認識型ポリシー選択（VAPS）ヒューマノイド制御2026/10/1
ヒューマノイドのアクロバット動作中に、追従ポリシーと中止ポリシーの短期的な実行可能性を予測し、最も野心的な行動を選択することで、ハードウェア損傷を抑える手法を提案。
- 意味的安全ロボット制御のためのニューロシンボリック述語学習安全制御2026/9/30
人間が指定した安全知識から再利用可能な安全表現を学習する微分可能推論器NEUPROを提案し、解釈可能なロボット安全仕様のベンチマークREASONを構築した。
- 拡散言語モデルエージェントのための逆スコアリング：失敗後の再試行ループを訓練なしで解消VLA2026/9/29
拡散言語モデルが失敗した行動を繰り返す原因をマスクデコーディングの適応性に求め、タスク無関係なバイアスが逆条件付き確率で相殺される性質を利用した訓練不要の改善手法を提案する。
- CrossBFM: ヒューマノイド間で共有される潜在行動空間の蒸留VLA2026/9/29
リターゲティングを利用して、複数のヒューマノイドに共通の潜在行動空間を1GPU時間未満で蒸留し、10GPU時間の追従学習で全身制御を実現する手法を提案。
- ChronoSRL: 自己教師あり強化学習のための時間的幾何学強化学習2026/9/28
状態行動とゴールの埋め込み間の距離を到達時間に一致させる時間的幾何学を導入し、生存強化学習と組み合わせて、より速く信頼性の高いゴール到達を実現する手法を提案。
- ExoLaN: 外骨格のための物理整合型コンテキスト適応ダイナミクス学習外骨格/ダイナミクス学習2026/9/25
外骨格装着時の人間-外骨格系のダイナミクスを、足圧センサ情報と時間的文脈から学習し、未知ユーザー・未知タスクでもトルク推定と順方向予測を高精度化する手法を提案。
- ForwardDLO: 固定されていない変形可能な線状物体に対するモデルベース両腕形状マッチングマニピュレーション2026/9/16
固定されていないロープを両腕で把持・操作するための再帰的潜在ダイナミクスモデルを提案し、高精度かつ高速な候補行動評価により実世界の形状マッチングと経路誘導タスクを実現した。
- 盲目の巧みさ：純粋な自己受容感覚による全身ヒューマノイド操作全身操作/自己受容感覚2026/8/30
カメラや触覚センサーを使わず、関節エンコーダのみの自己受容感覚でUnitree G1ヒューマノイドが全身操作タスク（歩行、ボールトラップ、スーツケース持ち上げ、スケートボード搭乗）を達成できることを示した論文。接触による関節読み取り値の変化が全身触覚チャネルとして機能することを明らかにした。
- 物理的インタラクションの学習：触覚・力覚を考慮したロボット学習のサーベイ触覚・力覚学習2026/8/1
触覚・力覚センシングを統合したロボット学習手法を、マルチモーダルかつ多段階のシステム設計の観点から統一的な分類学TF-ARTを用いて整理し、今後の研究課題を考察したサーベイ論文。
- 四足歩行のための迅速な身体適応フレームワーク歩行2026/8/1
四足ロボットが身体の変化（関節の制限や質量の変化）に迅速に適応するためのオンライン適応フレームワークを提案し、シミュレーションと実機で有効性を示した。
- 容量ではなく構造：視覚運動模倣学習のためのオブジェクト中心表現模倣学習2026/7/1
ロボット操作の模倣学習において、オブジェクト中心のスロット表現が、従来の密な特徴表現よりも高い成功率を達成することを示した論文。
- キャッチ、スロー、リピート：人間とロボットのパートナージャグリングのための計画物理的HRI/計画2026/7/1
人間とロボットが協力してボールを投げ合うジャグリングを実現するための、リアルタイムの計画・制御アーキテクチャを提案した。予測トラッキングと軌道最適化を統合し、初心者から熟練者までの被験者で3ボールカスケードを達成した。
- 安全強化学習における効率的探索のための方向性制約安全強化学習2026/7/1
安全強化学習の性能と安全性のトレードオフを改善するため、制約境界に近づく動作のみに制約を適用する方向性制約を導入したATACOMフレームワークの拡張手法を提案した。
- 実ロボット5球ジャグリングのためのタスク誤差残差学習ロボット制御2026/6/15
方向性のあるタスク誤差を教師信号とする残差学習と、タスク誤差モデルによるサンプル選択を組み合わせ、人間型アームでの3〜5球ジャグリングを安定して実現した。
- 歩みに注意：正確な人型ロボットの足場追跡のための汎用学習フレームワーク歩行2026/6/6
人型ロボットの足場配置を明示的に追跡する汎用の強化学習フレームワークを提案し、実世界のノイズに頑健な目標表現とゴールサンプラーにより、様々な高レベルプランナーと組み合わせ可能な低レベルコントローラを実現した。
- 接触リッチ操作のための超並列サンプリングベースMPCの実機展開マニピュレーション2026/6/1
JAXとMuJoCo MJXを用いたサンプリングベースMPCを実機Frankaに展開し、Push-Tタスクでモード切替を要する場合に既存手法より優れることを示した。また、オンラインのドメインランダム化の効果を評価した。
- 身体を形作る：多形態ロボット設計のための価値勾配ロボット設計2026/6/1
複数のロボット設計で訓練した価値関数を微分可能な代理モデルとして使い、勾配法で新しいロボットの形態を最適化する手法を提案した。
- ロボットにはVLAと世界モデルだけでは不十分基盤モデル2026/6/1
ロボットの汎用知能はポリシースケーリングだけでは不十分で、非構造化データをロボットの教師信号に変換する仕組みが必要だと主張するポジションペーパー。
- 学習報酬を用いた大規模行動モデルのコヒーレントなオフポリシー改善模倣学習/逆強化学習2026/6/1
大規模な事前学習済みロボット操作ポリシーを、逆強化学習で学習した稠密報酬を用いて微調整し、スパース報酬のRLベースラインよりも高い成功率を達成した。
- 多解像度触覚模倣学習による接触リッチなロボット操作触覚/模倣学習/マニピュレーション2026/6/1
異なる時間解像度の複数触覚センサを融合する表現フレームワークMiTaSを提案し、接触を伴う操作タスクの模倣学習を高精度化した。
- 視覚言語行動モデルのファインチューニングには、思っているより少ない層で十分であるVLA/モデル圧縮2026/6/1
大規模な視覚言語行動（VLA）モデルには層ごとの冗長性があることを発見し、学習不要の構造圧縮パイプラインを提案。冗長な層を除去してモデルを最大50%圧縮し、ファインチューニング時間を40-50%、推論時間を最大30%削減しつつ、性能はフルモデルと同等以上を達成した。
- 言語条件付き両手巧緻操作のための強化学習によるスケーラブルなマルチタスクデータ生成両手操作/データ生成/強化学習2026/6/1
両手巧緻操作の汎用ポリシー学習に必要な大規模データを、強化学習と汎用報酬設計・ドメインランダム化・言語注釈を組み合わせたパイプラインでシミュレーション生成し、マルチタスク学習の汎化性能を向上させた。
- 駆動脊椎を備えたアジャイル四足歩行の評価四足歩行2026/5/1
四足ロボットに駆動脊椎を追加することで、高速走行や階段・斜面・障害物の克服などアジャイルな動きが向上するかをシミュレーションで検証した論文。
- AssistDLO: 変形可能な線状物体操作のための支援型テレオペレーションテレオペレーション2026/5/1
変形可能な線状物体(DLO)のテレオペレーションを支援するフレームワークを提案し、多視点状態推定、視覚支援、制御バリア関数に基づく形状認識共有自律制御を組み合わせた。両腕による結び目解きのユーザー実験で、初心者には成功率向上、専門家には視覚支援が有効であるなど、ユーザーと物体特性に応じた適応的支援の必要性を示した。
- 人間の遠隔操作データから学ぶ、シミュレーション基盤の双腕ロープ操作ポリシー模倣学習/操作2026/5/1
この論文は、結び目を解くタスクにおいて、視覚ベースのポリシーよりも物理状態ベースのポリシーの方が汎化性能が高いことを示し、観測空間の選択が重要であることを明らかにした。
- 脚式ロボットのための強化学習による能動的身体識別脚式ロボット2026/5/1
脚式ロボットが環境との相互作用を通じて自身の身体パラメータを能動的に推定する手法を提案し、シミュレーションで異なる形態に対して有効性を示した。
- 信頼領域逆強化学習：局所方策更新を用いた明示的双対上昇法逆強化学習2026/5/1
逆強化学習において、毎回RL問題を完全に解くことなく、信頼領域制約付きの局所更新で双対目的を明示的に最適化する手法を提案し、安定性と単調改善を両立した。
- RopeDreamer: 柔軟な変形可能線状物体のダイナミクスのための運動学的リカレント状態空間モデル変形物体操作2026/4/1
柔軟な変形可能線状物体（DLO）の操作を高精度に予測するため、クォータニオンによる運動学的連鎖表現とリカレント状態空間モデルを組み合わせた潜在ダイナミクスモデルを提案した。自己交差を含む複雑な軌道で、50ステップ予測誤差を40.52%削減し、推論時間も31.17%短縮した。
- 未知環境におけるロボットのロバスト適応バックステッピングインピーダンス制御インピーダンス制御2026/4/1
接触を伴う不確かな環境で動作するロボット向けに、外乱や未モデル化動力学を考慮しつつ、動的パラメータを必要としないロバスト適応バックステッピングインピーダンス制御法を提案した。シミュレーションと実機実験で安全性と追従性能を検証している。
- FlashSAC: 高次元ロボット制御のための高速かつ安定なオフポリシー強化学習強化学習2026/4/1
オフポリシー強化学習の不安定性を解決するため、勾配更新を削減しつつモデル規模とデータ処理量を増やし、ノルム制約で安定化したFlashSACを提案。60以上のタスクでPPO等を上回る性能と効率を示した。
- VLM誘導の意味・幾何推論によるタスク認識両腕アフォーダンス予測両腕操作2026/4/1
両腕操作において、物体のどこを操作し、どちらの腕で行うかをタスクに応じて予測する階層的フレームワークを提案。VLMを用いてカテゴリ非依存に意味理解と幾何検証を統合し、実機9タスクで高成功率を達成。
- 行動制約付き強化学習と後退地平線クレジット割り当てによる高性能制御強化学習2026/4/1
専門家の行動から逸脱しすぎずに、デモンストレーションを超える高性能な制御ポリシーを学習する強化学習フレームワークを提案した。
- GaussTwin: ガウススプラッティングによるロボットデジタルツインの統合シミュレーションと補正デジタルツイン2026/3/1
ロボット操作のためのデジタルツインを、物理ベースのシミュレーションとガウススプラッティングによる視覚補正を統合して構築し、実機実験で追跡精度とロバスト性を向上させた。
- 制御バリア関数を用いたBarrierIKによる安全性を考慮した共有自律フレームワーク共有自律制御2026/3/1
共有自律制御において、逆運動学層に制御バリア関数を適用し、ブレンド後の安全性をハード制約として保証する手法を提案・評価した。
- CompliantVLA-adaptor：VLM誘導可変インピーダンスによる安全な接触リッチマニピュレーションマニピュレーション2026/1/1
VLAモデルにVLMが解釈したタスク文脈で可変インピーダンス制御を適応させ、力覚フィードバックで安全性を確保することで、接触を伴うマニピュレーションの成功率と安全性を向上させた。
- ニューロモルフィック触覚センシングによる連続点字読み取り触覚2026/1/1
イベントベース触覚センサEvetacを用い、連続的な点字スキャンを高精度・低遅延で認識するパイプラインを提案した。
- Vision-Language-Actionモデルの解剖学：モジュールからマイルストーン、課題までVLA2025/12/1
VLAモデルの基本構成から歴史的発展、そして表現・実行・汎化・安全性・データセットと評価という5大課題を整理したサーベイ論文。
- SE(3)-PoseFlow: 不確実性を考慮したロボットマニピュレーションのための6D姿勢分布推定姿勢推定/不確実性/マニピュレーション2025/11/1
SE(3)多様体上のフローマッチングを用いて物体の6D姿勢分布を確率的に推定し、対称物体や遮蔽時の不確実性を扱えるようにした手法を提案。能動的知覚や把持合成などのロボット操作タスクへの応用も示した。
- 触覚条件付き拡散方策による力覚対応ロボットマニピュレーションマニピュレーション2025/10/1
触覚センサの高次元データから力信号を推定し、把持力・姿勢・グリップ幅を同時に予測する拡散方策を提案。高力・低力・動的力適応の3タスクで既存手法を上回った。
- 浮遊ベース深層ラグランジュネットワークシステム同定2025/10/1
浮遊ベース系の慣性行列の物理的制約を満たすパラメータ化を導入し、ラグランジュ力学に基づくニューラルネットワークで逆動力学誤差を最小化する手法を提案。四足歩行ロボットとヒューマノイドのデータセットで評価し、シミュレーションと実機の両方で性能と解釈性が向上。
- ギャップを埋める：垂直地面外乱を伴う四足歩行の強化歩行2025/10/1
振動する橋の上で四足ロボットの歩行を強化学習で訓練し、垂直地面外乱に対する安定性と適応性を向上させる手法を提案した。
- モバイルマニピュレーションにおける直感的全身テレオペレーションへの身体性の役割テレオペレーション2025/9/1
移動マニピュレーションの遠隔操作において、操作と移動を統合するか分離するか、またVRと画面表示のフィードバックを比較し、VRは作業時間と負荷を増やす一方、統合型の操作が模倣学習の性能を高める可能性を示した。
- 人間とロボットの共有作業空間におけるLED信号と感情表示の効果検証HRI2025/9/1
ロボットにLED信号と表情表示を付けて人間との協働実験を行い、感情表示はインタラクティブ感を高めるが衝突予測や作業効率の改善には寄与しないことを示した。
- Embodied Arena：具現化AIのための包括的・統合・進化型評価プラットフォーム評価基盤2025/9/1
具現化AIの能力を3階層・7能力・25次元で体系化し、22のベンチマークと30以上のモデルを統合評価する進化型プラットフォームを構築した。
- 大規模マルチ身体ロコモーション：極端な身体ランダム化による汎用歩行制御歩行2025/9/1
50種類の脚型ロボットで訓練した単一の歩行ポリシーを提案し、未知の実機ヒューマノイドと四足歩行ロボットへのゼロショット転移を実現した。
- 方策探索による離散変分オートエンコーディング生成モデル2025/9/1
方策探索の自然勾配を利用して、再パラメータ化不要で離散VAEを訓練する手法を提案し、ImageNetなどの高次元画像再構成で既存手法を上回った。
- 重み正規化によるCrossQのスケーリング強化学習2025/6/4
強化学習手法CrossQに重み正規化を導入し、高いUTD比でも安定して学習できるようにしてサンプル効率を改善した研究。
- 触覚MNIST：能動的触覚知覚のベンチマーク触覚2025/6/1
能動的触覚知覚タスク（位置推定・分類・体積推定）のためのオープンソースベンチマークと、合成・実世界の触覚データセットを提案した論文。
- 視触覚融合による把持物体の姿勢推定触覚2025/6/1
手首カメラと指先の触覚センサを融合し、重み付きICPで把持物体の6D姿勢を推定する手法を提案。遮蔽時も高精度で、挿入タスクに応用した。
- 神経記号ロボット学習のためのベイズ逆物理神経記号/ロボット学習2025/6/1
微分可能物理・ベイズ推論・メタ学習を組み合わせ、物理記号推論を神経モデルに埋め込む神経記号アーキテクチャの概念枠組みと研究ロードマップを提案する位置論文。
- 文脈認識型Deep Lagrangian Networksによるモデル予測制御マニピュレーション2025/6/1
Deep Lagrangian Networksを文脈認識型に拡張し、リカレントネットワークによるオンライン同定とモデル予測制御を組み合わせることで、負荷が変動する7自由度ロボットアームの軌道追従精度を向上させた研究。
- DoublyAware: ヒューマノイド歩行のための時間差学習における計画と方策の二重不確実性認識歩行2025/6/1
ヒューマノイド歩行のモデルベース強化学習において、不確実性を計画と方策に分解し、Conformal PredictionとGroup-Relative Policy Constraintで対処するTD-MPC拡張手法を提案。
- ARK: ロボット学習のためのオープンソースPythonベースフレームワークロボット学習フレームワーク2025/6/1
Python中心のロボット学習フレームワークARKを提案し、Gym風環境でシミュレーションと実機を切り替えながら模倣学習アルゴリズムを簡単に使えるようにした。
- 帰納バイアスを用いた安全なロボット基盤モデルへの道安全・基盤モデル2025/5/1
ロボット基盤モデルに幾何学的帰納バイアスを組み合わせ、安全層ATACOMで行動制約を課すことで、形式的な安全保証を実現する手法を提案。
- 視覚触覚センサによる硬さ分類のための能動サンプリングの検討触覚2025/5/1
視覚触覚センサを用いた物体の硬さ分類において、不確実性に基づく能動サンプリングがランダムサンプリングより高精度・高安定であることを示し、人間の平均精度48%を上回る88.78%を達成した。
- モデルテンソルプランニングMPC2025/5/1
テンソルサンプリングとスプライン補間で高エントロピーな制御軌道を生成し、探索と活用を両立させるサンプリングベースMPCフレームワークを提案。
- 環境接地型インタラクションによる階層的ドメインモデルの学習タスクプランニング2025/5/1
LLMとシミュレータ上の試行を通じて、人間のフィードバックなしにタスク固有の階層的ドメインモデルを自動生成・修正するフレームワークLODGEを提案し、計画・ロボット組立タスクでの精度と成功率を向上させた。
- 低コスト四足歩行ロボットのための堅牢な自己位置推定・地図生成・ナビゲーション歩行2025/5/1
接触支援型の運動学・視覚慣性オドメトリ・深度安定化視覚を組み合わせ、低コストな四足歩行ロボットが深度カメラのみで環境の2D地図生成・自己位置推定・自律ナビゲーションを行えるシステムを提案した。
- TD-GRPC: 群相対方策制約を用いた時間差分学習によるヒューマノイド歩行歩行2025/5/1
TD-MPCにGRPOと方策制約を組み合わせ、計画と学習の整合性を保ちながらヒューマノイドの歩行・動的運動を安定化させる手法を提案。
- APPLE: 強化学習による汎用的な能動的知覚の実現能動的知覚2025/5/1
強化学習を用いて、触覚探索などの能動的知覚タスクを汎用的に解くフレームワークAPPLEを提案し、Tactile MNISTベンチマークで有効性を示した。
- ロボット歩行における身体性スケーリング則への試み歩行2025/5/1
約1000種のロボット身体を手続き的に生成し、多様な身体で訓練するほど未知の身体への汎化が向上することを歩行タスクで示し、実機のUnitree Go2やH1にもゼロショット転移した。
- 制約付きガウス過程運動計画のためのStein変分ニュートン推論運動計画2025/4/1
硬い非線形制約を厳密に扱いつつベイズ事後分布を効率的に推論する、Stein変分法に基づく新しいガウス過程運動計画フレームワークを提案し、350タスクで98.57%の成功率を達成した。
- 模倣学習における触覚センシングの重要性：ロボットによるマッチ点火のケーススタディ触覚2025/4/1
視覚と触覚を統合したマルチモーダル模倣学習フレームワークを提案し、動的で接触の多いマッチ点火タスクにおいて触覚情報が政策性能を向上させることを示した。
- 8分で歩き出す：四足歩行ロボットの全方位移動を実機で効率的に学習歩行2025/3/1
オフポリシー強化学習アルゴリズムCrossQを用いて、四足ロボットの全方位歩行を実機上でわずか8分のリアルタイム学習で獲得するフレームワークを提案した。
- 安全なロボット基盤モデルに向けて安全強化学習2025/3/1
汎用ロボット方策の行動空間を安全制約するレイヤーをATACOMの拡張により実現し、エアホッケー環境で衝突回避を実証した。
- ロバストな運動知能のための強化学習：第2回RealAIGym AIオリンピックからの教訓強化学習2025/3/1
IROS 2024で開催された二重振り子の振り上げ制御を競う競技会において、参加チームが提出した4種類の強化学習手法を実機で評価し、シミュレーションから実機への転移性や外乱に対するロバスト性を比較検討した。
- ニューロシンボリック模倣学習：スキル学習のための記号的抽象化の発見模倣学習2025/3/1
模倣学習において、低レベルな状態行動空間を記号的に抽象化し、タスクをサブタスクに分解して記号プランニングとニューラルスキルを組み合わせる枠組みを提案。データ効率・汎化・解釈性が向上することを示した。
- FlowMP: 条件付きフローマッチングによるロボット計画のための運動場学習運動計画2025/3/1
フローマッチングを拡張して軌道の二次ダイナミクス（加速度）を考慮し、滑らかで物理的に実行可能なロボット運動を生成する計画手法を提案。ベンチマークで成功率と軌道品質が向上。
- バッチ・重み正規化によるオフポリシー強化学習のスケーリング強化学習2025/2/11
CrossQに重み正規化を組み込み、高い更新対データ比でも安定して学習できるようにし、連続制御タスクでのサンプル効率を改善した。
- マルチエージェント強化学習における時間・エージェント間の報酬再分配マルチエージェント強化学習2025/2/1
マルチエージェント強化学習の信用割り当て問題に対し、モデル精度に依存せず最適方策を保証する報酬再分配手法TAR²を提案し、SMACLiteやGRFで学習加速と性能向上を示した。
- ノイズ条件付きエネルギーベースアニーリング報酬（NEAR）：観測からの模倣学習のための生成フレームワーク模倣学習2025/1/1
専門家の動作軌跡（状態のみ）から、エネルギーベース生成モデルとノイズ条件付きスコアマッチングを用いて報酬関数を学習し、強化学習により複雑なロボット運動ポリシーを模倣する手法を提案。
- Grasp Diffusion Network: 部分点群からSO(3)×R3上の拡散モデルで把持姿勢を生成マニピュレーション2024/12/1
単視点の部分点群から、回転多様体上の拡散モデルと衝突回避コスト誘導を用いて把持姿勢を生成し、実世界で90%の成功率を達成した。
- 高速でロバストな視覚運動リーマン・フローマッチング方策VLA2024/12/1
リーマン多様体上のフローマッチングを用いて、幾何学的制約を考慮しつつ高速推論と安定性を両立した視覚運動方策を提案し、実機を含む10タスクで既存手法を上回る性能を示した。
- TacEx: Isaac SimにおけるGelSight触覚シミュレーション — ソフトボディと視触覚シミュレータの統合触覚2024/11/1
Isaac Simにソフトボディ接触シミュレータGIPCと視触覚シミュレータTaxim/FOTSを組み込み、GelSight Miniの触覚を高精度に再現するモジュール式シミュレーションフレームワークTacExを開発し、強化学習環境でその有効性を検証した。
- 全身ヒューマノイド制御のための拡散ポリシー訓練におけるドメインランダム化の役割ヒューマノイド制御2024/11/1
ヒューマノイドの全身制御に拡散ポリシーを適用し、ドメインランダム化で生成した模倣データの多様性と量が性能に与える影響をIsaacGym上で調査した。歩行には操作タスクより大規模で多様なデータが必要だと示した。
- ロボットエアホッケー選手権の回顧：実世界ロボティクスに向けた堅牢・信頼・安全な学習技術のベンチマークsim2real2024/11/1
NeurIPS 2023で開催されたロボットエアホッケー選手権を振り返り、sim-to-realギャップや安全性など実世界展開の課題をベンチマークし、学習と事前知識の組み合わせが有効であることを示した。
- 有限要素解析に基づくGelSight Mini光学触覚センサの力分布推定学習触覚2024/11/1
GelSight Miniの生画像からU-netで法線力・せん断力分布を直接予測する機械学習手法を提案し、有限要素解析で生成した教師データで訓練した。
- グローバルテンソル動作計画動作計画2024/11/1
テンソル演算のみで構成され、GPU/TPU上でバッチ動作計画を高速化するサンプリングベース動作計画アルゴリズムを提案。
- 巧みな挿入タスクにおける視覚と触覚の相互作用の分析マニピュレーション2024/10/1
ロボットの挿入タスクにおいて、視覚と触覚のフィードバックの相互作用を分析し、触覚が厳しい公差や多様な穴の向きの挿入成功率を大幅に向上させることを示した。
- カスケードを超えて：バニラサイトスワップパターンのジャグリングマニピュレーション2024/10/1
ロボットによるジャグリングで、投げる高さが混在するバニラサイトスワップ記法のパターンを実現するため、投擲高さ列プランナーとエンドエフェクタ軌道の制約を導入し、シミュレーションで3〜9ボールの一般的なパターンや遷移、ランダム列の成功を示した。
- 速度履歴を用いたSoft Actor-CriticによるIROS'24競技への挑戦強化学習/制御2024/10/1
Soft Actor-CriticにCNNで履歴を符号化したコンテキストベクトルを追加し、PendubotとAcrobotの不安定な劣駆動系を安定化する手法を提案した。
- 自動タスク生成によるロボットマニピュレーションのための教師なしスキル発見マニピュレーション2024/10/1
自動生成した多様なタスクを解くことで、物体と相互作用するスキルを教師なしで発見し、階層強化学習で未知のマニピュレーションタスクに活用できる手法を提案。
- 多様な脚式ロボットを制御する単一ポリシー：エンドツーエンド学習によるマルチエンボディメント歩行歩行2024/9/1
形態に依存しないエンコーダ・デコーダを備えた統合ロボット形態アーキテクチャURMAを提案し、四足・人型・六脚など異なる脚式ロボットを単一の歩行ポリシーで制御、未見の機体にもゼロ/少数ショット転移できることを示した。
- 安全強化学習における長期的安全性と不確実性への対処安全強化学習2024/9/1
モデルベースの安全強化学習手法ATACOMを学習可能な制約で拡張し、長期的な安全性と不確実性に対処できるようにした研究。
- 適応制御に基づく摩擦推定によるロボットマニピュレータの軌道追従制御マニピュレーション2024/9/1
非線形な静止摩擦現象を捉える線形パラメータ化摩擦モデルを提案し、バックステッピングに基づく適応制御摩擦推定器とロバスト推定のための励起生成アルゴリズムを開発、KUKA iiwa 14での軌道追従実験で有効性を示した。
- 深層衝突確率場による不確実性下での安全かつ効率的な経路計画経路計画2024/9/1
任意の物体と単峰性不確実性分布に対する衝突確率をニューラルネットで高速推定する手法を提案し、通常の経路計画に組み込むことで不確実な静的・動的障害物を避ける安全な経路を生成できることを示した。
- ActionFlow: 空間対称なフローマッチングによる同変・高精度・高効率なロボット政策マニピュレーション2024/9/1
観測と行動の相対SE(3)姿勢を扱うSE(3)不変Transformerとフローマッチングを組み合わせ、空間対称性を活かした高精度・高効率なマニピュレーション政策を実現した。
- QueryCAD：CADモデルに対する根拠付き質問応答CAD質問応答2024/9/1
自然言語クエリでCADモデルから情報を抽出する初の質問応答システムQueryCADを提案し、オープン語彙インスタンスセグメンテーションモデルSegCADやベンチマークを開発、ロボットプログラム自動合成に統合した。
- MuJoCo MPCによるヒューマノイド制御：HumanoidBenchでの評価ヒューマノイド制御2024/8/1
MuJoCo MPCを用いてヒューマノイド全身制御ベンチマークHumanoidBenchに取り組み、スパース報酬の問題を正則化項で解決し、一部タスクで最高スコアと自然な姿勢・滑らかな制御を両立した。
- 双腕マニピュレーションのための模倣学習アルゴリズム比較マニピュレーション2024/8/1
高精度な双腕マニピュレーションタスクにおいて、代表的な模倣学習アルゴリズムを比較し、ハイパーパラメータ感度やデータ効率、性能などの特性を実験的に評価した。
- 学習ベース計画・運動プリミティブ・安全強化学習の統合による軌道生成安全強化学習2024/8/1
運動プリミティブのブラックボックス学習と最適化を組み合わせ、複雑な運動学的制約下での安全な軌道計画を実現する手法を提案し、エアホッケーの打撃タスクで既存の安全強化学習を上回る性能を示した。
- ロボティクスにおける深層生成モデル：マルチモーダル実演からの学習に関するサーベイ模倣学習2024/8/1
ロボットの実演学習に深層生成モデル（拡散モデルやGANなど）を活用する近年の研究を、モデル種別・応用・分布外汎化の観点から統一的に整理したサーベイ。
- 刺激的な行動：筋骨格ヒューマノイドの歩行学習における効率的な探索の検討歩行2024/7/1
筋骨格ヒューマノイドの歩行・走行制御を、少数の実演データを用いた敵対的模倣学習で学習し、自然な歩容を実現した研究。
- MoVEInt: 混合変分エキスパートによる実演からの人間-ロボットインタラクション学習模倣学習/人間-ロボットインタラクション2024/7/1
人間の観察を混合密度ネットワークで潜在空間の事前分布として取り込み、VAEと混合エキスパート構成で実演から人間-ロボットインタラクションの共有潜在表現を学習する手法を提案。握手やハイタッチなどのタスクで従来手法より正確なロボット動作を実現した。
- ロボットエアホッケーにおける高速軌道最適化のための接触計画の蒸留マニピュレーション2024/7/1
接触を伴うロボット制御において、高レベルの接触計画を確率的制御方策から蒸留し、低レベルではモデル予測制御を行うことで、エアホッケーの高速かつ正確なショットを実現した。
- PianoMime: インターネットのデモンストレーションから汎用器用なピアノ演奏エージェントを学習マニピュレーション2024/7/1
YouTubeのプロピアニストの演奏動画を活用し、任意の曲を演奏できる汎用ピアノ演奏エージェントを訓練するフレームワークを提案。データ準備、曲別エキスパート方策学習、汎用エージェントへの蒸留の3段階で構成され、未見曲で最大56%のF1スコアを達成。
- ROS-LLM：タスクフィードバックと構造化推論を備えた身体性AIのためのROSフレームワークVLA2024/6/1
ROSと大規模言語モデルを統合し、非専門家が自然言語でロボットをプログラミングできるフレームワークを提案。行動モードや模倣学習、フィードバックによる反省機能を備え、多様なタスクで有効性を検証した。
- 実世界における触覚を用いた挿入タスクの学習触覚2024/5/1
触覚センサの読み取りから直接行動を出力する強化学習ポリシーをDreamer-v3で学習し、シミュレーションと実機のFranka Research 3で挿入タスクを実行した。
- 意味的特徴に基づく距離尺度による動作軌道のクラスタリング動作解析2024/4/1
動作計画の主要な特徴を圧縮表現し、それに基づく新しい距離尺度で階層的クラスタリングを行う手法を提案し、DTWより高速で同等以上の性能を示した。
- 視触覚センシングと触覚フィードバックを統合した遠隔操作ロボットマニピュレーション遠隔操作2024/4/1
ロボットのエンドエフェクタに高解像度の視触覚センサを取り付け、低コストな触覚グローブで振動フィードバックを提示する遠隔操作システムを構築し、VRパイプラインに統合して評価した。
- 制約多様体上の安全強化学習：理論と応用安全強化学習2024/4/1
ロボットの安全制約を制約多様体として捉え、微分幾何学の接空間を用いて安全な行動空間を構成することで、実機での強化学習においても安全性を保証する手法を提案した論文。
- 視覚ベース触覚センサによる能動的テクスチャ認識で重要な要素触覚2024/3/1
視覚ベース触覚センサを用いた布地テクスチャ認識のための能動的サンプリング戦略を検討し、データ拡張とドロップアウト率が精度に大きく影響することを示した。
- 相互作用のセグメンテーションと学習のための遷移状態クラスタリング人間ロボットインタラクション2024/2/1
人間とロボットの相互作用を学習する際、遷移境界の状態に混合分布を階層的に学習させることで、セグメンテーションの誤分類を防ぎ、予測性能を向上させる手法を提案した。
- 人間らしい両手ロボットから人間への受け渡し動作の運動学的制約付き生成マニピュレーション2024/2/1
隠れセミマルコフモデルとタスク空間制約を用いて、人間の動きに反応しながら両手で物体を受け渡すロボット動作を生成し、人間らしさが向上することを示した。
- Evetac: ロボットマニピュレーションのためのイベントベース光学触覚センサ触覚2023/12/1
RGBカメラをイベントカメラに置き換えた新しい光学触覚センサEvetacを開発し、1000Hzでのオンライン処理や滑り検出・把持制御への応用を示した。
- 確率的状態付き方策による効率的な強化学習強化学習2023/11/7
状態を持つ方策を確率的な内部状態カーネルと状態なし方策に分解し、BPTTを使わずに効率的に学習する新しい勾配法を提案した論文。
- 有界合理性カリキュラムによる堅牢な敵対的強化学習敵対的強化学習2023/11/3
エントロピー正則化でナッシュ均衡の求解を容易にし、敵対者の合理性を徐々に高めるカリキュラム学習で堅牢な強化学習を実現する手法を提案。
- 触覚に基づく連続力制御ポリシーのシミュレーションから実機への転移触覚2023/11/1
触覚センサを用いた把持力制御のため、シミュレーションで訓練したモデルフリー深層強化学習ポリシーを実機に転移する手法を提案し、実機評価で有効性を示した。
- エントロピー最大化によるドメインランダム化sim2real2023/11/1
シミュレーションでの力学パラメータ分布をエントロピー最大化で自動調整し、過度に保守的にならずに適応的な方策を学習する手法を提案。ロボットマニピュレーションでゼロショットのsim2real転移を実証した。
- 人間-ロボット相互作用のためのマルチモーダル潜在ダイナミクス学習人間-ロボット相互作用2023/11/1
人間同士の相互作用から潜在ダイナミクスを学習し、人間の観測からロボット動作を生成する手法を提案。ユーザー研究で人間らしさと精度が向上することを示した。
- LocoMuJoCo：移動運動のための包括的模倣学習ベンチマーク模倣学習/歩行2023/11/1
四足・二足・筋骨格モデルを含む多様な環境と実データ・専門家データ・準最適データを備え、模倣学習アルゴリズムを厳密に評価・比較するためのベンチマークを提案した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- カリキュラム強化学習による球面振り子の追従制御マニピュレーション2023/9/1
自動カリキュラム生成と大規模並列シミュレーションを組み合わせ、ロボットアーム上の球面振り子の追従制御器を強化学習で獲得した。実機で最適制御と同等の性能を達成した。
- 最適輸送による運動計画の高速化運動計画2023/9/1
勾配を使わずに滑らかな軌道をバッチ最適化するMPOTを提案し、Sinkhorn Stepという並列化可能な更新則で高次元タスクでも効率的に計画できることを示した。
- 動作計画拡散：拡散モデルによるロボット動作の学習と計画動作計画2023/8/1
拡散モデルを軌道分布の事前分布として学習し、タスク目標に条件付けられた事後分布から直接サンプリングすることで、ロボットの動作計画を高速化する手法を提案。
- LS-IQ: 逆強化学習のための暗黙的報酬正則化逆強化学習2023/3/1
暗黙的報酬の二乗ノルム正則化を理論的に解析し、吸収状態を適切に扱う最小二乗逆Q学習（LS-IQ）を提案。専門家の行動なしでも逆動力学モデルで学習可能。
- ガウス過程支援による動的制約を考慮した自動運転車のモデル予測制御モデル予測制御2023/3/1
人間の運転行動をガウス過程で学習・予測し、その不確かさを利用して安全性を確保する自動運転のモデル予測制御手法を提案。複数の意図を確率的に扱うマルチモード制御で実現可能性と制約充足を高確率で保証する。
- 対話行動を取り入れた人間中心の安全ロボット強化学習フレームワーク安全強化学習2023/2/1
ロボット強化学習の安全性を高めるため、安全な探索・価値観の整合・安全な協働の3段階からなる人間中心フレームワークを提案し、対話行動の活用と4つの課題を論じた。
- 並列弾性アクチュエータを備えた四脚ロボットの学習ベース設計と制御脚式ロボット2023/1/1
四脚ロボットの膝関節に並列弾性要素を導入し、その設計パラメータと歩行制御器を強化学習とベイズ最適化で同時最適化するフレームワークを提案。実機実験でトルク効率33%改善、最大関節トルク30%削減、連続稼働時間11%延長を達成した。
- 深層ニューラルネットワークによる拘束多様体上の高速運動学的計画運動計画2023/1/1
拘束多様体とニューラル計画を組み合わせ、任意の拘束を満たす動的計画をニューラルネットの推論時間で生成する学習ベースの枠組みを提案し、エアホッケーの打撃動作で実機検証した。
- 視覚触覚センサを用いた位置-力テレオペレーションのための力推定触覚2022/12/1
視覚ベース触覚センサDIGITで接触力を推定し、位置-力テレオペレーションに適用して力帰還を実現する手法を提案した。
- 最適輸送としての階層的ポリシーブレンディングマニピュレーション2022/12/1
複数の反応的専門ポリシーの重みを、パラメータ空間上の先読み計画層で階層的に調整する手法HiPBOTを提案。不均衡最適輸送として定式化し、優先順位を決定して安全性を保証する。
- 逆動力学の確率学習のための変分階層混合モデル逆動力学2022/11/1
ベイズ非パラメトリック階層モデルと変分推論を組み合わせ、データに応じて複雑さを適応させる逆動力学の確率回帰手法を提案し、実機制御で有効性を検証した。
- Decision TransformerにおいてTransformerはどれほど重要か？強化学習2022/11/1
Decision TransformerのTransformer部分をLSTMに置き換えたDecision LSTMを提案し、連続制御タスクで比較した結果、Transformer自体よりも系列モデリング全体のアーキテクチャが重要である可能性を示した。
- 触れて置く：精密な物体配置における触覚センシングの重要性に関する実証研究触覚2022/10/1
触覚フィードバックと固有感覚を組み合わせ、未知の初期姿勢から物体を平らな面に安定して置くためのニューラルネットワークを提案し、触覚が器用な操作に重要であることを実証した。
- ロボットマニピュレーションのための能動的探索マニピュレーション2022/10/1
確率的モデルのアンサンブルで情報利得を見積もり、モデル予測制御で探索と報酬最大化を両立させる、疎な報酬のマニピュレーションタスク向け能動的探索手法を提案し、実機のボール押しタスクで検証した。
- 反応型ロボット制御のための推論としての階層的ポリシー合成マニピュレーション2022/10/1
反応型ポリシーと計画ベース手法の利点を組み合わせるため、確率的推論で階層モデルを定式化し、計画で適応的に重みを計算する階層的動作生成法を提案した。
- MILD: 人間-ロボットインタラクション学習のためのマルチモーダル対話型潜在ダイナミクス人間-ロボットインタラクション2022/10/1
人間同士のインタラクションから協調動作を学習するため、VAEの潜在空間でHSMMを用いて相互作用の動力学をモデル化し、相手の動きに適応したロボット軌道を生成する手法を提案した。
- 滑らかな制御の推論：ガウス過程によるモンテカルロ事後方策反復モデル予測制御2022/10/1
ガウス過程を事前分布に用いたモンテカルロ事後方策反復により、物理ロボットに適した滑らかなモデル予測制御を実現する手法を提案した。
- 動的な高次元ロボットタスクの安全な強化学習：ナビゲーション、マニピュレーション、インタラクション安全強化学習2022/9/1
制約多様体の接空間を探索することで衝突制約下でも安全な強化学習を実現し、TIAGo++ロボットでの実世界マニピュレーションと人間とのインタラクションに成功した。
- 深層強化学習におけるロバスト探索のための自己教師あり逐次情報ボトルネック強化学習探索2022/9/1
時系列観測の逐次予測情報を圧縮する情報ボトルネック目的を導入し、ノイズに頑健なタスク関連の新規性に基づく内在的報酬で探索を効率化する手法を提案。
- SE(3)-DiffusionFields: 拡散モデルによる把持と動作の統合最適化のための滑らかなコスト関数学習マニピュレーション2022/9/1
拡散モデルとしてSE(3)上のコスト関数を学習し、把持姿勢選択と軌道生成を分離せずに勾配ベースで同時最適化する枠組みを提案した。
- カスケード制御：Nボールトスジャグリングのための運動学的計画動的マニピュレーション2022/7/1
トスジャグリングを軌道最適化問題として定式化し、2本のロボットアームで最大17個のボールを安定的にジャグリングするリアルタイム制御を実現した。
- ロボットマニピュレーションへの能動的推論の応用マニピュレーション2022/6/1
部分観測可能なロボットマニピュレーションにおいて、能動的推論を用いて好奇心駆動型の探索を行い、報酬が疎なボールバランス課題を解決できることを示した。
- 動作最適化のための暗黙的事前分布の学習動作最適化2022/4/1
エネルギー基盤モデル(EBM)を動作最適化の誘導事前分布として統合するためのモデリングとアルゴリズムの選択肢を提示し、シミュレーションと実機で評価した論文。
- 模倣学習に基づく適応型ヒューマンレースドライバーモデル模倣学習2022/3/1
プロのレースドライバーの運転行動を模倣学習でモデル化し、未知のサーキットでも人間らしい走行ラインを生成しながら周回ごとに自己修正してラップタイムを短縮できる適応型ドライバーモデルを提案した。
- 能動的姿勢推定への階層的アプローチ姿勢推定2022/3/1
RGB画像による粗い2D位置推定の後、点群データで高精度な姿勢推定を行う階層的手法を提案し、画像特徴を活用することで探索と推定が高速化することを示した。
- 物体中心確率的運動プリミティブのための残差ロボット学習マニピュレーション2022/3/1
ProMPの軌道に残差強化学習を組み合わせ、実演のばらつきを決定変数として活用することで、7自由度ロボットアームによる高精度なブロック挿入タスクを実現した。
- 反応的動作生成のための正則化深層符号付き距離場距離場/動作生成2022/3/1
任意スケールで滑らかな距離場を計算できる単一のニューラル陰関数ReDSDFを提案し、全身制御や人とロボットの安全な協調作業に応用した論文。
- 到達可能性の行動事前分布を用いた移動マニピュレーションのロボット学習移動マニピュレーション2022/3/1
移動マニピュレーションのための強化学習において、ロボットの到達可能性に基づく事前分布を活用し、離散・連続行動を統合的に扱う新手法BHyRLを提案して学習を加速させる論文。
- ニューラル実行可能性判定で統合タスク・動作計画を高速化タスク・動作計画2022/3/1
タスク計画が提案する行動の実行可能性をCNNで画像から判定し、高コストな動作計画の呼び出しを削減して多段階マニピュレーションの計画時間を短縮する手法を提案。
- グラフ強化学習と混合整数計画法の融合による3Dロボット組立探索組立/マニピュレーション2022/3/1
テトリスのようなブロックとロボットアームで目標構造物を組み立てる問題に対し、混合整数計画法で大域的なブロック選択と配置を最適化し、その結果でグラフベース強化学習の方策探索を誘導する階層的手法を提案した。
- タスク・動作計画における幾何制約の学習と転移タスク・動作計画2022/1/1
TAMPにおける幾何パラメータ探索を、再利用可能な制約プリミティブとベイズ最適化で効率化し、タスク間で知識を転移する手法を提案した。
- 蒸留ドメインランダム化によるSim-to-Real制御sim2real2021/12/1
ランダム化した物理シミュレーションで訓練した複数の教師方策を生徒方策へ蒸留し、実機データなしで実環境に転移できるロボット制御方策を学習する手法DiDoRを提案した論文。
- ランダム化シミュレーションからのロボット学習：レビューsim2real2021/11/1
シミュレーションと現実のギャップを埋めるため、シミュレーションのパラメータをランダム化して学習するドメインランダム化を中心に、sim-to-real研究を包括的にレビューした論文。
- リー群上の安定ベクトル場の学習模倣学習2021/10/1
ロボットの姿勢全体に対する安定・滑らか・反応的なベクトル場を、ユークリッド空間ではなくリー群SE(2)/SE(3)上で学習する手法を提案し、シミュレーションと実機で有効性を示した。
- 物理と深層学習を組み合わせた連続時間ダイナミクスモデルの学習物理ベース学習2021/10/1
ラグランジュ力学を深層ネットワークに組み込み、物理法則とエネルギー保存を満たすダイナミクスモデル(DeLaN)を提案し、剛体システムの学習と制御に適用した。
- 実世界ロボティクス向けの微分可能なニュートン・オイラーアルゴリズムシステム同定2021/10/1
複雑な摩擦や非ホロノミック拘束を含む実機の力学モデルを、物理的に整合性のある形で勾配ベースに同定する微分可能シミュレータDiffNEAを提案し、オフライン強化学習で有効性を示した。
- 連続時間フィッティング価値反復によるロバスト方策の学習ロバスト制御2021/10/1
非線形制御アフィン系の性質を利用して最適方策と最適外乱を解析的に導出し、状態・行動の離散化なしに価値反復で最適価値関数を解くcFVIとrFVIを提案。振り子と台車系で最適方策を得て、実機sim2real実験でロバスト性を実証した。
- 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。
- 高速ロボットエアホッケーのための効率的で反応的な計画マニピュレーション2021/7/1
2台のKuka Iiwa 14を用いて汎用ロボットアームでエアホッケーをプレイする政策を設計し、高速打撃動作とシミュレーション上での対戦を実証した。
- 実世界の巧みな物体操作に向けた構造化ポリシーとポリシー最適化のベンチマークマニピュレーション2021/5/1
2020 Real Robot Challengeで成功した構造化ポリシー手法をTriFingerシステム上でシミュレーションと実機の両方で検証し、各手法の特徴を詳細に分析したベンチマーク研究。
- 合成可能なエネルギー方策による反応的動作生成と強化学習動作生成2021/5/1
複数の確率的方策の積を最適化することで、方策間の衝突を避けつつ反応的な動作を生成するCEPを提案し、階層的な強化学習にも適用できることを示した論文。
- 連続制御タスクのためのロバスト価値反復法sim2real2021/5/1
動的計画法に基づき、システムダイナミクスの敵対的摂動を組み込んだロバストな最適方策を連続状態・行動空間で計算する手法を提案し、実機の振り子と台車棒で有効性を示した。
- 連続状態・行動・時間における価値反復法制御/強化学習2021/5/1
既知のダイナミクスモデルを用い、連続状態・行動・時間で動的計画法を可能にするcFVIを提案。非線形制御実験で深層強化学習と同等の性能を示し、実機移行時の頑健性に優れることを示した。
- 近似ベイズ入力推論による効率的な確率的最適制御確率的最適制御2021/5/1
制御問題を入力推定問題として捉え、近似ベイズ推論を用いて確率的最適制御を効率的に解く手法を提案し、非線形シミュレーションで既存手法を上回る性能を示した。
- 近似推論による軌道最適化の拡張：探索・共分散制御・適応的リスク軌道最適化2021/3/1
制御を推論問題として捉えるi2cアルゴリズムを解析し、非線形系での開ループ最適解と閉ループ分散低減を両立する専門家線形ガウス制御器、推論定式化に由来する適応的リスク感度、わずかな変更で実現できる共分散制御の3特性を導出した。
- 相対エントロピー信頼領域による不確実ダイナミクス下の分布ロバスト軌道最適化ロバスト制御2021/3/1
ダイナミクスの不確実性や外乱に対して、相対エントロピー信頼領域を用いた分布ロバスト最適制御を提案し、最悪ケースの事後分布とロバスト方策を交互に求める手法を示した。
- ロボットのタスク・動作計画のための拡張木探索タスク・動作計画2021/3/1
記号的なタスク計画と高次元動作計画を統合するため、top-k計画でスケルトン空間を生成しMCTSで探索する拡張決定木フレームワークを提案した論文。
- モデル予測アクター・クリティック：深層強化学習によるロボットスキル獲得の加速強化学習2021/3/1
モデルベースとモデルフリーの強化学習を組み合わせ、モデル予測ロールアウトで方策学習を導くことでモデルバイアスを軽減し、実機ロボットでのスキル学習を効率化する手法を提案した論文。
- 未ラベル軌道からのスキル発見と分節化スキル学習2021/3/1
未ラベルの実演軌道から、繰り返し現れるパターンへの分節化とその再構成スキルを同時に学習するベイズ・変分推論手法を提案し、合成・実人間の実演で有効性を示した。
- 人間らしい手のリーチング動作を学習するヒューマンロボット握手マニピュレーション2021/3/1
人間同士の第三者視点のインタラクションデータのみから、ヒューマノイドロボットが握手のために手を伸ばす動作を学習する枠組みを提案し、形状や制御限界の異なる2体のロボットで有効性を示した。
- 人とロボットの握手：研究レビューHRI2021/2/1
社会的ロボットとの握手に関する研究を整理し、同期や視線・音声などの要因が握手の知覚に与える影響を分析したレビュー論文。
- 構造化ポリシー表現：任意条件付き動的システムに安定性を課すポリシー学習2020/12/1
任意のコンテキスト状態で条件付けでき、大域的に安定な深層ニューラルネットワークベースの動的システムを提案し、構造化ロボットポリシーとして利用する手法を示した。
- Sim2Real転送の現在地と展望：R:SS 2020ワークショップ報告sim2real2020/12/1
ロボティクス会議R:SS 2020のSim2Realワークショップでの討論・発表・議論をまとめ、シミュレーションから実世界へのスキル転送の定義や有効性、今後の課題を整理した報告書。
- 実世界オフライン強化学習のための微分可能物理モデルモデルベース強化学習2020/11/1
力学構造が既知ならば、物理ベースの微分可能モデルがブラックボックスモデルより優れることを示し、実機で4分のデータのみからボール・イン・カップ課題を学習した。
- 確率的逆動力学学習のための変分無限混合モデル逆動力学学習2020/11/1
無限混合の局所多項式モデルを変分ベイズで推論し、不連続関数や異分散ノイズに対応した逆動力学学習手法を提案、マニピュレータの追従制御で有効性を示した。
- 模倣フロー：正規化フローによる深層安定確率動的システムの学習模倣学習2020/10/1
正規化フローを拡張して、大域的に安定な確率的非線形ダイナミクスを模倣学習する手法を提案し、実ロボット実験で有効性を示した論文。
- マルチボディモデル学習のための微分可能なニュートン・オイラーアルゴリズムシステム同定2020/10/1
ニュートン・オイラー方程式を計算グラフ化したホワイトボックスモデルを提案し、運動学・動力学パラメータをデータから同時学習できることをフルータ振子や台車型倒立振子で実証した論文。
- 二値報酬による実世界ジャグリングのための高加速度強化学習マニピュレーション2020/10/1
政策表現・初期化・最適化に安全性とサンプル効率を組み込み、二値報酬のみでBarrett WAMが56分の実経験から2ボールジャグリングを連続最大33分（約4500回）習得できる学習システムを提案した。
- 文脈付き潜在運動のオフポリシー最適化によるロボットマニピュレーション技能学習マニピュレーション2020/10/1
示範軌道からMPPCAで低次元の潜在運動ダイナミクスを獲得し、自己正規化重要度サンプリングを用いた新しい文脈付きオフポリシーRL（LAMPO）で運動プリミティブをサンプル効率よく最適化する枠組みを提案した論文。
- モデルベース品質多様性探索による効率的なロボット学習ロボット学習2020/8/1
パラメータ摂動の挙動を予測するニューラルネットを品質多様性(QD)探索に統合し、見込みのない行動の実行を避けることでサンプル効率とスキル適応を改善した研究。
- 仮想ガイドの混合による変化する環境での支援型テレオペレーションテレオペレーション2020/8/1
軌道のガウス混合モデルを変分推論で学習し、その混合分布から力覚ガイドのポテンシャル場を生成することで、環境変化や操作者の意図に応じて滑らかに変化するテレオペレーション支援を実現した研究。
- ヒューマンロボット握手研究の動向HRI2020/8/1
社会的ロボットによる握手という物理的インタラクションの現状を調査し、今後の研究方向を議論したサーベイ論文。
- マトロイド制約付き劣モジュラ最大化としてのマルチセンサ次最良視点計画視点計画2020/7/1
複数の深度カメラで3Dモデルを構築する際の次最良視点計画を、重複を避ける効用関数の下でマトロイド制約付き劣モジュラ最大化として定式化し、定数近似保証付きの貪欲アルゴリズムで解く手法を提案した。
- 把持方向を考慮した拡張グラスプマップによるロボット把持生成把持生成2020/6/1
把持角度空間を複数ビンに分割した拡張グラスプマップ表現と、方向ビン分類と角度回帰を同時に行うORANGEフレームワークを提案し、Jacquardで94.71%のSOTAを達成した論文。
- 空気圧人工筋ロボットによる卓球のゼロからの学習強化学習/マニピュレーション2020/6/1
空気圧人工筋で駆動するロボットアームを使い、モデルフリー強化学習で安全に卓球の返球・スマッシュを実機で学習させた研究。
- パラメータ空間における動作プリミティブの次元削減動作プリミティブ2020/3/1
動作プリミティブのパラメータ空間で主成分動作を抽出する次元削減手法を提案し、確率的動作プリミティブの性質を継承しつつ実機タスクと人間動作データで有効性を示した。
- 物体分離のための深層敵対的強化学習マニピュレーション2020/3/1
敵対的強化学習を用いて、訓練時と異なる初期状態でも物体を分離できるロボット制御を実現した論文。
- 劣駆動系のためのウェイポイント軌道最適化によるライトペインティング撮影軌道最適化2020/3/1
ウェイポイントで指定された軌道を劣駆動系で実現するため、ウェイポイントの有効化を表す補助変数を導入して最適化問題を自動再定式化する手法を提案し、回転倒立振子の先端で描いた文字を長露光撮影で可視化するタスクで検証した。
- 異なる人型ロボットアーム間の距離指標に基づく模倣学習模倣学習2020/3/1
形態の異なる2台の人型ロボットアーム間で、身体対応問題を距離指標で解決し、その指標を損失関数や強化学習のフィードバックとして用いて静的・動的な模倣を実現した。
- 深層モデルベース強化学習による飛行制御の学習モデルベース強化学習2020/3/1
ドローンの力学を確率的潜在モデルとして学習し、モデルベース強化学習で推力・姿勢制御器を30分未満の実機経験で獲得、機載計算資源のみで自己構築ドローンを飛行させた。
- 確率的アプローチによる物体の絡み解きマニピュレーション2020/2/1
障害物による不確実性を確率マップで表現し、失敗確率をコストとしてRRTで計画することで、モデルなしで絡まった物体をロボットが解きほぐす手法を提案した。
- 人間のレースドライバー行動を模倣する確率的フレームワーク模倣学習2020/1/1
ドライバー行動モデリングを複数モジュールに分割し、確率的運動プリミティブとクロソイド曲線、ニューラルネットワークを組み合わせて人間の運転スタイルを模倣する手法を提案し、シミュレーションで高い模倣精度と頑健性を示した。
- 人型ロボットの握手におけるチューリングテストの評価ヒューマンロボットインタラクション2020/1/1
ロボットの握手が人間らしいかどうかを判定するチューリング風テストを提案し、アンドロイドの手で評価した。物理デバイスとの相互作用を考慮したテスト定義の修正も提案する。
- 後退ホライズン好奇心による効率的探索探索/システム同定2019/10/1
未知のMDPにおいて、ベイズ非線形システム同定とエピソード探索を交互に行い、軌道最適化で情報利得を最大化する探索手法を提案した論文。
- 確率的最適制御を近似入力推論として捉える最適制御2019/10/1
推論と制御の双対性に基づき、最適制御を入力分布の推定問題として定式化し、EMとメッセージパッシングで時変線形ガウスフィードバック制御器を導出する手法を提案した。
- FingerVisionを用いた触覚スキルライブラリの構築触覚2019/9/1
FingerVisionの皮膚変形データを直接制御に用い、物質のテクスチャ・粘度の識別や力推定、荷重支持部材の挿入組立タスクを実現した。
- 深層微分値関数と行動制約を用いたHJB最適フィードバック制御最適制御2019/9/1
Hamilton-Jacobi-Bellman方程式に深層微分ネットワークを組み込み、行動制約を自然に満たす連続時間の最適フィードバック制御則を学習する手法を提案した。再計画なしに任意の状態から最適軌道を生成できる。
- 確率的運動プリミティブによる経験の再利用スキル転移2019/8/1
過去に学習した運動スキルを確率的運動プリミティブで表現し、類似タスクの初期解として転移することで、新規タスクの学習を60%以上効率化した。
- ロボット卓球のための信頼性の高いリアルタイムボール追跡ボール追跡2019/8/1
複数カメラの位置整合性を利用して物体検出の誤りを排除し、リアルタイム性を保ちながら信頼性を高めたボール追跡システムを提案・評価した。
- 物理を事前知識に組み込んだ深層ラグランジュネットワークモデルベース制御2019/7/1
ラグランジュ力学をネットワーク構造に組み込み、少ないデータから物理的に妥当な運動方程式を学習してロボット制御に応用した研究。
- エネルギー制御のための深層ラグランジュネットワーク：劣駆動系のエンドツーエンド学習制御学習2019/7/1
ラグランジュ力学・エネルギー保存・受動性を満たすようDeLaNを拡張し、劣駆動系のエネルギー制御を汎用関数近似で学習できる初の手法を提案。実機のフルータ振り子で振り上げ制御に成功した。
- シミュレーションから実機への転移可能性を評価する強化学習sim2real2019/7/1
物理シミュレーションのパラメータをランダム化して学習し、シミュレーション最適化バイアスの推定値で訓練停止を判断することで、追加学習なしに実機へ直接適用できる制御方策を獲得する手法を提案した。
- 人間-ロボットインタラクションにおける意図認識のためのマルチモーダル不確実性低減人間-ロボットインタラクション2019/7/1
音声・ジェスチャー・視線・物体の4モダリティの分類器をベイズ融合し、人間の意図認識の不確実性を低減する手法を提案し、7自由度ロボットアームとの協調作業で有効性を示した。
- 局所的オンライン運動バブリング：筋骨格ロボットアームの運動冗長性の学習筋骨格ロボット/運動学習2019/6/1
筋骨格ロボットアームの逆運動学をゴールバブリングで学習し、CMA-ESによる局所的オンライン運動バブリングで任意の目標に対する運動冗長性（筋活性パターン）を効率的に探索できることを示した。
- 方策探索におけるエントロピックリスク尺度の導入方策探索2019/6/1
報酬の高次統計を考慮するため、エントロピックリスク尺度を目的関数に組み込んだ方策勾配法を提案し、シミュレーションと実機バドミントンのヒッティング動作学習で評価した。
- 線形変換に不変な軌道間類似度指標GMCCの提案模倣学習2019/6/1
ピアソン相関係数と決定係数を基に、軌道のあらゆる線形変換に対して不変な類似度指標GMCCを提案し、模倣学習でのロボット軌道クラスタリングに応用した論文。
- 探索分布の設計で歩容を学ぶ：四足歩行のウォークとトロット歩行2019/4/1
ガウス探索分布の初期共分散に歩容の対称性を組み込み、同じ目的関数から四足ロボットのウォークとトロットを学習させ、性能を向上させた研究。
- 空気圧人工筋ロボットによる高速加速運動の制御学習マニピュレーション2019/4/1
空気圧人工筋で駆動する4自由度ロボットアームを製作し、ベイズ最適化で制御パラメータを実機上で安全に調整して高速軌道の追従性能を向上させた。
- PIPPS：カオスの呪いに対抗する柔軟なモデルベース方策探索モデルベース強化学習2019/2/1
非線形計算の連鎖が引き起こすカオス的な勾配問題を解析し、再パラメータ化勾配の脆弱性を示した上で、尤度比勾配を活用した柔軟なモデルベース方策探索フレームワークPIPPSと、全経路微分を効率的に統合するtotal propagationアルゴリズムを提案した。
- 模倣学習のアルゴリズム的視点模倣学習2018/11/1
ロボットなどの知能エージェントの振る舞いを手動でプログラムする代わりに、教師のデモンストレーションから学習する模倣学習について、前提・手法・関連性・アルゴリズム・実装の助言を体系的に紹介した入門論文。
- 卓球サーブの見まね学習：身体性問題に対処するスパース運動プリミティブの実験的検討見まね学習2018/10/1
人間の卓球サーブの複数実演から、ロボットの自由度に依存しない少数のスパースな運動プリミティブパラメータを学習し、実機で動作のスタイルを再現できることを示した研究。
- 確率的運動プリミティブの適応とロバスト学習運動プリミティブ2018/8/1
確率的運動プリミティブのパラメータに事前分布を用いて少ない訓練例でロバストに推定し、関節空間・タスク空間での汎用適応演算子を導入した。コーヒー準備と卓球タスクで有効性を検証した。
- 適応的学習制御による動的目標指向ロボット動作の最適化学習制御2018/7/1
モデル誤差に頑健な適応型反復学習制御を提案し、卓球ロボットの7自由度双腕で高速打撃動作の追従精度を向上させた研究。
- 階層ディリクレ過程スイッチング線形力学系による確率的軌道分割動作プリミティブ2018/6/1
ロボットの動作プリミティブライブラリ構築のため、軌道をスイッチング線形力学系でモデル化し、ギブスサンプラーを用いたノンパラメトリックベイズ推定で軌道の意味ある分割を自動推定する手法を提案した。
- 独立指制御による把持物体の安定化触覚2018/6/1
各指の触覚センサーから局所的な滑りを予測し、指ごとに独立した制御で物体を安定把持するモジュール式手法を提案。中央通信なしで多様な物体の安定把持が実現できることを示した。
- 非パラメトリックな時空間サブゴールモデリングによる逆強化学習逆強化学習2018/3/1
単一軌道でも局所的なサブゴールで説明できると仮定し、ベイズ的な意図モデルでエージェントの行動を予測する逆強化学習手法を提案した論文。
- 生体模倣の確率的リカレントネットワークによる効率的なオンライン適応オンライン適応2018/2/1
認知的不協和に着想を得た学習信号とメンタルリプレイを用い、確率的リカレントネットワークが少数の物理相互作用から未知環境に数秒で適応する枠組みを提案し、KUKA LWRアームで検証した。
- 不確実性下におけるハイブリッド制御の軌道最適化軌道最適化2017/2/1
離散と連続が混在するハイブリッド制御の軌道最適化をDDPに離散行動を組み込んで解き、不確実性下のPOMDP軌道計画にも拡張した研究。
- 独立した触覚フィードバック制御則だけでモジュール式指制御による把持内物体安定化は可能か触覚2016/12/1
各指を独立した触覚グリップコントローラで制御するモジュール式手法を提案し、滑り予測に基づく把持制御を2〜5本指で中央通信なしに実現できることを示した。
- 単調改善を保証するモデルフリー軌道ベース方策最適化強化学習2016/6/1
システムダイナミクスの線形近似を使わず、軌道データから学習した局所二次Q関数を逆伝播する方策最適化法を提案し、KL制約を厳密に満たしつつ単調改善を理論的に保証した。
- 力覚フィードバック付き低コストセンサグローブによる確率的軌道表現を用いた模倣学習模倣学習2015/10/1
約250ユーロで作れる力覚フィードバック付きセンサグローブを開発し、Matlab用のオープンソースインターフェースを提供するとともに、ヒューマノイドロボットiCubでの物体操作スキルの模倣学習に応用した。
- 人間とロボットの協調作業における外向性とロボットへの否定的態度が視線・発話に与える影響HRI2015/8/1
人間がロボットを操作して組み立て作業を行う協調タスクで、外向性とロボットへの否定的態度が発話や視線の頻度・持続時間とどう関係するかを56名の参加者で調査した。
- マルチタスク方策探索強化学習2013/7/1
状態とタスクの両方を入力とするパラメータ化方策を学習し、複数の既知・未知タスクに汎化する単一の方策を実ロボット実験で獲得する手法を提案した。
- 優先度付き運動プリミティブ制御の学習マニピュレーション2012/9/1
複数の運動プリミティブを優先度付きで同時実行し、高優先度が低優先度の指令を上書きできる制御則を学習する手法を提案し、Barrett WAMでのボールバウンド課題で評価した。
