Jean-Baptiste Mouret
Inria
収録論文 36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
- Robot-WATCHDOG:物体中心グラフ表現による失敗検出失敗検出2026/10/9
操作シーンを物体中心の時空間グラフで表現し、正常デモのみから自己教師ありで失敗を検出する枠組みを提案。幾何偏差と関係整合性に基づくTPCと、将来の物体状態を予測するGnnTの2つのスコアを検証した。
- 統計的・意味的フィルタリングによる模倣学習の失敗識別模倣学習/異常検出2026/4/1
模倣学習ポリシーの実環境での失敗を検出するため、異常検出と視覚言語モデルによる意味的フィルタリングを組み合わせたモジュールFIDeLを提案し、新しいデータセットBotFailsで性能を実証した。
- 言語誘導型衝突回避を備えた安全な両腕テレオペレーションテレオペレーション2025/7/1
VRコントローラと音声指示を組み合わせ、話しかけた物体を3D障害物メッシュ化して全身制御で衝突を防ぐ両腕テレオペレーションシステムを提案した。
- オフライン目標条件付き強化学習のための極値フローマッチングVLA2025/5/1
フローマッチングの性質を利用して学習分布の最小値・最大値を推定し、目標条件付き模倣・強化学習アルゴリズムを構築。OGBenchとTalosヒューマノイドでの実機検証を行った。
- 音声指示から家事タスクへ:euROBINサービスロボット競技会におけるInria TIAGo++サービスロボット2024/12/1
InriaチームがeuROBIN競技会で、音声指示に基づきキッチンで家事を行うサービスロボットシステムを開発。全身制御とLLMによる指示理解・タスク計画を統合し、遠隔操作デバイスも設計した。
- 空気ダクト内を飛行するドローン飛行制御2024/10/1
小型ドローンが空気ダクト内で安定してホバリング・飛行できるよう、空力特性を計測し、ToFセンサとニューラルネットワークによる位置推定システムを開発した。
- フローマッチング模倣学習によるマルチサポートマニピュレーションマニピュレーション2024/7/1
ヒューマノイドロボットが上半身を支持接触に使えるよう、最適化ベースの全身多接触制御とフローマッチングを組み合わせた模倣学習手法を提案し、実機で箱押しや食洗機の引き出し閉めを実現した。
- Words2Contact: 基盤モデルを用いた言語指示からの支持接触点同定VLA2024/7/1
大規模言語モデルと視覚言語モデルを活用し、人間の自然言語指示からロボットの支持接触位置を予測するパイプラインを提案し、実機ヒューマノイドで検証した。
- 位置制御ロボットのための多接触全身力制御マニピュレーション2023/12/1
位置制御型ヒューマノイドロボットで接触力を間接的に制御するSEIKOパイプラインを提案し、壁や手すりを使った多接触動作を実現した。
- 多接触遠隔操作と物理的インタラクションのための実現可能性リターゲティング遠隔操作2023/8/1
操作者からの指令をリアルタイムに調整し、下位コントローラへ送る参照姿勢が実行可能となるようにするSEIKOフレームワークを提案し、人型・四足ロボットのシミュレーションと実機での両手持ち運搬タスクで検証した。
- まず転ばないこと:損傷したヒューマノイドロボットが壁を活用する学習ヒューマノイド/転倒回避2022/3/1
壁の向き・距離・姿勢から手を突く位置をニューラルネットで瞬時に選び、全身制御で安定姿勢を取るD-Reflexを提案。シミュレーションのTALOSで回避可能な転倒の75%以上を防ぎ、実機でも動作することを示した。
- 物体ごとの把持選好を少ないラベルで学習するデータ効率的手法マニピュレーション2022/3/1
把持生成器の出力を潜在空間に埋め込み、物体ごとに1〜4個のラベルだけでガウス過程分類器が好みの把持を選ぶ手法を提案し、少数ラベル設定で既存手法を上回った。
- 未知の状況における自律エージェントのためのオンラインデータ駆動型緊急対応手法強化学習/ロボティクス2021/12/1
訓練分布外の未知の状況に対し、VAEの再構成誤差の増加率を最小化する行動をベイズ最適化でオンライン選択し、約30データ点で2秒以内に衝突回避応答を生成する手法を提案。
- 先読みテレオペレーションによるヒューマノイドロボットの遠隔操作テレオペレーション2021/7/1
通信遅延を補うため、過去の軌跡で学習したモデルで将来の指令を予測し、ロボットが受信前に動作することで操作者に同期した視覚フィードバックを実現した。最大2秒の遅延下でも全身操作タスクを成功させた。
- 機械の行動を進化させる:マイクロ進化からマクロ進化へ進化計算2020/12/1
人工進化の視点を最適化から多様性へと移し、多様な種を生み出すマクロ進化の可能性と応用例を論じたレビュー。
- シミュレーション事前分布のメタ学習埋め込みによるロボットの高速オンライン適応メタ学習2020/3/1
多様なダイナミクスに対応するため複数の初期パラメータをメタ学習し、ロボットが数ステップの勾配更新で最適な初期点を選んで適応できるFAMLEを提案した論文。
- 信号品質に基づく地下探査用UAVチェーンの自己組織化群制御2020/3/1
探索ドローンと操作者の間で飛行ロボットのチェーンを調整する分散アルゴリズムU-Chainを提案し、信号品質とオプティックフローによる対地速度推定のみを用いて、3機の実機で実験的に検証した。
- マルチタスク最適化のための品質多様性アルゴリズム進化計算2020/3/1
タスクごとに適応度が異なる複数タスクを一度に解くMulti-task MAP-Elitesを提案し、平面アームや6脚ロボットのシミュレーションでCMA-ESより優れることを示した。
- 状況に応じて事前方策群を自動選択するロボットのオンライン適応手法sim2real2019/7/1
多様な状況ごとに方策群(レパートリー)を用意し、現在の状況が不明なときでも最も有用な事前方策を選択して計画するAPROLを提案し、物体押しや脚損傷した六脚ロボットの目標到達で有効性を示した論文。
- 材料から機械まで:身体性知能を進化させるマルチレベル進化進化ロボティクス2019/1/1
材料や分子レベルの構成要素から形態・センサ運動配置までを同時に探索し、タスクや環境に適応したロボットを自動設計するマルチレベル進化(MLE)の枠組みを提案した論文。
- 少数試行でロボット制御器を学習する方策探索アルゴリズムのサーベイ強化学習2018/7/1
物理ロボットで十数回の試行しかできない「マイクロデータ強化学習」を実現する方策探索手法を、事前知識の活用とデータ駆動サロゲートモデルの2戦略から整理したサーベイ。
- スパース報酬に強い多目的モデルベース方策探索モデルベースRL2018/6/1
学習したダイナミクスモデルを用いて新規性・報酬・モデル精度の3目的をパレート最適化し、スパース報酬タスクを少ない試行で解く手法Multi-DEXを提案。
- パラメータ化ブラックボックス事前分布でモデルベース方策探索をスケールアップモデルベース強化学習2017/9/1
パラメータ化されたブラックボックス事前分布をモデル学習に組み込み、高次元状態・行動空間でもモデルベース方策探索を適用可能にした。6脚ロボットの歩行獲得を16〜30秒の実機試行で実現した。
- 事前分布の自動選択を伴うベイズ最適化によるデータ効率の良い直接方策探索ベイズ最適化2017/9/1
複数の事前分布がある状況でどれが最適か分からない問題に対し、事前分布の尤度と期待改善を組み合わせた新獲得関数MLEIを提案し、腕ロボットの転移学習や脚ロボットの歩行学習で有効性を示した。
- ブラックボックス方策探索によるデータ効率的なロボット強化学習モデルベースRL2017/3/1
報酬関数や方策をブラックボックスとして扱い、モデルの不確実性を考慮した並列ブラックボックス最適化でデータ効率的なモデルベース強化学習を実現した。
- 適応的で回復力のあるソフトテンセグリティロボットソフトロボティクス2017/2/1
組み立てやすいテンセグリティ構造のソフトロボットを作り、機械学習で最小限の試行から動的な歩容を獲得させ、物理的損傷にも構造的・行動的に耐えることを示した論文。
- Limbo: 高速で柔軟なベイズ最適化ライブラリベイズ最適化2016/11/1
勾配が不明で評価コストが高い関数を対象に、組み込みシステムやロボットでも使える高速・柔軟なC++製ベイズ最適化ライブラリLimboを開発し、既存のBayesOptより約2倍高速であることを示した。
- 安全制約付きベイズ最適化とシミュレーション事前知識によるロボットの安全な損傷回復sim2real2016/11/1
シミュレーションで得た事前知識と制約付きベイズ最適化を用い、損傷したヒューマノイドロボットが危険な試行を最小限に抑えつつ高速に這い移動できるよう回復させる手法を提案した。
- マイクロデータ学習:データが少ない側の機械学習少数データ学習2016/10/1
データが大量にある分野とは対照的に、ロボティクスなどデータ収集が高コストで数十点しか使えない状況で、少数データから学習するアルゴリズムの課題を論じた論文。
- ロボットの損傷回復に向けた半エピソード学習損傷回復2016/10/1
タスク実行中に損傷を補償する学習を可能にするため、IT&Eアルゴリズムを半エピソード学習スキームに拡張し、シミュレーションと6脚ロボットの歩行タスクで有効性を示した。
- リセット不要の試行錯誤学習によるロボットの損傷回復損傷回復/強化学習2016/10/1
正常時のシミュレータで多数の行動を事前生成し、リセットなしの試行錯誤で脚ロボットなどが損傷後も素早くタスクを継続できる学習法を提案・実機検証した。
- エリートのマッピングで探索空間を照らす進化計算2015/4/1
性能の高い解が探索空間全体にどう分布するかを可視化するMAP-Elitesアルゴリズムを提案し、多様な良解を得つつ従来法より優れた解も見つけられることを示した。
- 動物のように損傷に適応するロボット損傷適応2014/7/1
事前に高性能行動のマップを構築し、損傷時にその直感を活用した試行錯誤学習で2分以内に補償行動を発見するアルゴリズムを提案し、脚ロボットやロボットアームでの適応実験を示した。
- 歩行ロボットの行動レパートリーを進化させる歩行2013/8/1
進化的アルゴリズムにより、6脚ロボットが全方向に歩行できる数百の制御器を同時に学習する手法を提案し、実機実験で到達可能な全地点への移動を実現した。
- 現実ギャップを越える:転移可能性アプローチ入門sim2real2013/7/1
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限界を最適化アルゴリズムに認識させる転移可能性関数を提案し、回帰で学習する手法を示した。四足歩行ロボットの制御パラメータ最適化で有効性を検証した。
- T-Resilienceアルゴリズムによるロボットの高速損傷回復損傷回復2013/2/1
自己モデルと現実の挙動差を利用して、未予期の損傷時でも補償行動を迅速に自律学習するT-Resilienceアルゴリズムを提案し、脚損傷やモータ故障に適応する6脚ロボットで有効性を示した。
