Jeff Schneider
Carnegie Mellon University
収録論文 43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
- 価値関数誘導MPPIによるオフロード自律ナビゲーションの階層型計画・制御オフロードナビゲーション/階層型計画制御/MPPI/強化学習2026/10/28
強化学習コントローラの価値関数を暗黙的なコストとしてMPPIプランナに組み込み、計画と制御を双方向に連携させる階層型フレームワークを提案。オンライン方策評価で分布シフトに適応し、オフロード走行シミュレータで有効性を示した。
- 幾何的時間スコア推定器:自己予測表現と生成的占有モデルを橋渡しする強化学習手法強化学習2026/10/28
確率経路上で占有密度推定器を学習することで自己予測表現と生成的占有モデルを統合し、目標条件付き強化学習の性能を2〜6倍向上させた研究。
- 潜在ポリシーステアリング:異なる身体間の転移のための効率的で柔軟なフレームワーククロスエンボディメント転移2026/9/18
多様な身体の視覚ダイナミクスを学習した世界モデルを活用し、テスト時に潜在空間探索でポリシーを誘導することで、身体の異なるロボット間の効率的な転移を実現する。
- 展開後物理AIのための継続的現場適応モデル(CFAM)継続学習2026/9/3
展開後も自律的に学習を継続できるモデルCFAMを提案し、5種類のロボットでデータ効率と適応性能を検証した。
- 階層的スキル検索による視覚言語行動モデルのデータ効率的適応VLA2026/8/25
長期的な操作タスクを階層的に分解し、サブタスクの言語検索と行動特徴の再ランキングを組み合わせて関連デモを検索することで、少数のデモでもVLAモデルを効率的に適応させる手法を提案した。
- 失敗を活かす再試行:テスト時回復と継続的ポリシー改善のためのFARフレームワークロボット学習2026/7/1
ロボットがテスト時に失敗から学習し、再試行で行動を適応させて自律的にタスクを完了するフレームワークFARを提案。失敗データを用いた選好学習と軽量な行動摂動により成功率を向上させる。
- 占有報酬整形:オフライン目標条件付き強化学習におけるクレジット割り当ての改善強化学習2026/4/1
生成世界モデルから最適輸送を用いて幾何学的情報を抽出し、報酬関数を整形することで、スパース報酬環境でのクレジット割り当て問題を緩和する手法を提案。13の長距離タスクで2.2倍の性能向上を実証し、核融合制御にも応用。
- TADPO: 強化学習でオフロードを走破するsim2real2026/3/1
PPOを拡張し、教師によるオフポリシー軌道と生徒のオンポリシー探索を組み合わせた新手法TADPOを提案し、高速オフロード走行を実現。実車へのゼロショットsim2real転移に成功した。
- コスト考慮型拡散能動探索能動探索2026/2/1
拡散モデルを用いて探索と活用のトレードオフを調整し、探索木を構築せずに効率的な能動探索を実現する手法を提案。
- 補助開始状態分布を用いたオンライン強化学習の加速強化学習2025/7/1
少数の専門家デモと任意の状態にリセット可能なシミュレータを活用し、安全概念に基づく補助開始状態分布でオンライン強化学習のサンプル効率を大幅に改善した。
- 潜在ポリシーステアリング:身体性に依存しない事前学習済み世界モデルによる方策改善VLA2025/7/1
オプティカルフローを身体性に依存しない行動表現として世界モデルを事前学習し、対象身体性の少量デモで微調整して、ベース方策の行動候補を評価・選択することで模倣方策を改善する手法を提案。
- トカマクのプラズマ安定化に向けたマルチタイムスケール動力学モデルベイズ最適化制御/ベイズ最適化2025/6/1
高周波のデータ駆動型動力学モデルと低周波のガウス過程を組み合わせたマルチスケールベイズ最適化を提案し、DIII-Dトカマクのティアリング不安定性制御で成功率50%(従来比117%改善)を達成した。
- TD-M(PC)²: ポリシー制約による時間差分MPCの改善モデルベース強化学習2025/2/1
モデルベース強化学習における価値過大評価問題を、プランナーと学習ポリシーの不一致に起因すると分析し、ポリシー正則化項でOODクエリを減らして価値学習を改善する手法を提案。
- 分散型不確実性考慮アクティブサーチを aerial robot チームで実現群制御2024/10/1
通信が制限された災害現場で、複数の飛行ロボットが不確実な対象の位置を推定しながら効率的に探索する分散型アクティブサーチ手法を開発し、実機実験で有効性を示した。
- 複雑環境におけるエルゴディック探索のための測度保存流経路計画2024/9/1
ラプラス・ベルトラミ固有関数で地図形状と障害物を考慮したエルゴディック指標を提案し、測度保存ベクトル場で障害物回避を保証する軌道生成法を開発した。
- 部分報酬分離によるマルチエージェントPPOのクレジット割り当てマルチエージェント強化学習2024/8/1
MAPPOに注意機構ベースの部分報酬分離を導入し、大規模チームを動的に小グループに分解してクレジット割り当てを改善する手法PRD-MAPPOを提案。StarCraft II等でデータ効率と性能を向上させ、共有報酬設定にも拡張した。
- 適応的世界モデルによる自動運転の計画自動運転計画2024/6/1
都市環境での自動運転計画のため、エージェントの反応行動を予測するBehaviorNetと、それに基づくMPCプランナーAdaptiveDriverを提案し、nuPlanベンチマークで最先端性能を達成した。
- 都市運転における離散的行動モードのための実行可能な統合予測と計画自動運転/計画2024/3/1
マルチモーダル軌道予測モデルを再学習なしで閉ループ計画に統合し、離散的な行動モード上で反応的な計画を行う手法を提案。動的な合流シナリオで従来のプランナーが陥る「凍結ロボット問題」を回避し、CARLAの高密度交通シナリオで最先端性能を達成。
- Diffusion-ES: 拡散モデルと勾配不要最適化による自動運転とゼロショット指示追従自動運転/計画2024/2/1
拡散モデルから軌道をサンプリングし、進化的探索と黒箱報酬で評価・改良することで、微分不可能な目的関数でもデータ多様体上で最適化できる手法を提案し、自動運転ベンチマークnuPlanで最高性能を達成した。
- ターゲットがエージェント数を上回る状況での分散型マルチエージェント能動探索・追跡群制御2024/1/1
エージェント数よりターゲットが多い状況で、非同期通信下でも動作する分散型マルチエージェント探索・追跡アルゴリズムDecSTERを提案し、シミュレーションで有効性を示した。
- 部分観測制御タスクにおける深層強化学習のためのPIDに着想を得た帰納バイアス強化学習2023/7/12
PID制御の考え方を取り入れ、履歴を要約する2つのアーキテクチャを提案し、追従タスクや移動制御タスクで従来手法より高い性能とロバスト性を実現した。
- ソース準備による視覚的ドメイン適応の強化ドメイン適応2023/6/1
低照度環境でのロボット知覚に向け、ソースドメインのバイアスを軽減するSource Preparationを提案し、限られたラベルで高精度なドメイン適応を実現した。
- GUTS: 不確実性を考慮した汎用トンプソンサンプリングによるマルチエージェント能動探索群制御2023/4/1
未知環境での災害捜索を効率化するため、センシングの不確実性や遮蔽物、異種ロボットチームを考慮したトンプソンサンプリングベースの能動探索アルゴリズムを提案し、シミュレーションと実環境で有効性を示した。
- コストを考慮した非同期マルチエージェント能動探索群制御2022/10/1
未知環境で複数エージェントがコストを意識しながら適応的に行動し、トンプソンサンプリングとモンテカルロ木探索、パレート最適信頼区間を組み合わせて目標を効率的に探索するオンライン計画法を提案した。
- 最適軌道の情報獲得のための計画に基づく探索強化学習探索2022/10/1
タスクと現在のダイナミクス知識を考慮し、最適軌道に関する期待情報利得を最大化する行動列を計画することで、強化学習のサンプル効率を大幅に改善する手法を提案した。
- 強化学習の系列モデリングにおける楽観バイアスの解消オフライン強化学習2022/7/1
オフライン強化学習を系列モデリングとして扱う手法の楽観バイアスを、方策と世界モデルを明示的に分離することで解消し、自動運転タスクで優れた性能を示した。
- 検出と位置の不確実性を同時に扱うマルチエージェント能動探索マルチエージェント探索2022/3/1
目標の検出確率と位置の両方の不確実性を統合的に推論し、トンプソンサンプリングによる分散型マルチエージェント能動探索アルゴリズムを構築した研究。
- 遺伝的カリキュラムによる堅牢な強化学習強化学習2022/2/1
エージェントが失敗するシナリオを自動的に特定し、遺伝的アルゴリズムでカリキュラムを生成することで、専門家の監督なしに堅牢な方策を学習させる手法を提案した論文。
- 非構造環境におけるUGV-UAV協調物体位置推定システム群制御2022/1/1
複数のUGVとUAVが協調し、マルチスペクトル・高解像度センサポッドと独自のハードウェア・ソフトウェア構成で、非構造環境においてリアルタイムに物体を検出・位置推定するシステムを開発し、実規模で実証した。
- 部分報酬分離による協調型マルチエージェント方策の学習マルチエージェント強化学習2021/12/1
大規模な協調型マルチエージェント強化学習の信用割当問題に対し、エージェントの部分集合ごとに問題を分離する部分報酬分離(PRD)を提案し、方策勾配の分散低減と性能向上を示した。
- ベイズ最適実験設計に基づくデータ効率の良いモデルベース強化学習モデルベースRL2021/12/1
ベイズ最適実験設計の考え方を取り入れ、遷移関数への問い合わせ回数を最小限に抑えつつ効率的に方策を学習する獲得関数を提案した論文。
- アフォーダンスに基づく強化学習による都市部の自動運転自動運転/強化学習2021/1/1
ウェイポイントと低次元視覚表現(アフォーダンス)を用いた深層強化学習で、車線追従や交差点通過、停止などの都市運転タスクをCARLA上で学習するフレームワークを提案した。
- 深度を考慮したノイズモデルによるマルチエージェント能動探索能動探索2020/11/1
距離や遮蔽による物体検出の不確実性を考慮し、Thompson Samplingで分散協調する複数ロボットの能動探索アルゴリズムNATSを提案し、シミュレーションで既存手法を上回ることを示した。
- 階層型強化学習による都市交差点での行動計画自動運転/強化学習2020/11/1
都市交差点での自動運転の行動計画を階層型強化学習で行い、ハイブリッド報酬とヒューリスティック探索によりサンプル効率と収束速度を改善した研究。
- 強化学習デバッグのための対話的可視化ツール可視化/強化学習2020/8/1
強化学習アルゴリズムのデバッグと解釈を支援する対話的な可視化システムを設計・実装し、その利用ワークフローの例を示した。
- Vizarel:強化学習エージェントの理解を支援する可視化システム可視化2020/7/1
強化学習エージェントの解釈・内省・直感獲得を目的とした可視化システムのプロトタイプを提案し、必要な機能を特定した研究。
- 非同期マルチエージェント能動探索群制御2020/6/1
中央制御なしで複数エージェントが独立にデータ収集判断を行い、スパースなターゲットを探索するSPATSとLATSIの2手法を提案し、シミュレーションと理論解析で有効性を示した論文。
- UrbanFlowを用いた人間ドライバー行動予測軌跡予測2019/11/1
ドローンで収集した都市交差点の鳥瞰データから人間ドライバーの軌跡を予測するLSTM手法を提案し、自動運転車の意思決定支援を目指す。
- 複数サブゴールに対応する階層型強化学習による自動運転行動計画自動運転/階層型強化学習2019/11/1
自動運転の行動計画を複数のサブゴールに分解し、階層型強化学習で同時に学習・サブゴール間で方策を再利用する手法を提案し、従来RLより高速に収束することを示した。
- キネマティック制約を考慮した深層学習による車両軌道予測軌道予測2019/8/1
自動運転車周囲の車両の将来軌道を予測する際に、物理的な車両運動モデルを深層学習と組み合わせ、運動学的に実現可能な予測を実現した研究。
- 高精細地図と効率的な畳み込みネットワークを用いた脆弱な道路利用者の動き予測予測2019/6/1
高精細地図と周囲を鳥瞰図画像に変換し、高速な畳み込みネットワークで歩行者や自転車などの脆弱な道路利用者の将来の動きを予測する手法を提案した論文。
- 深層畳み込みネットワークによる自動運転のマルチモーダル軌道予測軌道予測2018/9/1
周囲の状況をラスタ画像として入力し、深層畳み込みネットワークで交通参加者の複数の起こりうる軌道とその確率を予測する手法を提案した。
- 自動運転のための不確実性を考慮した交通参加者の短期運動予測予測2018/8/1
自動運転車周囲の交通参加者の将来の動きを、周辺状況のラスタ画像を深層畳み込みモデルに入力して予測し、予測の不確実性も考慮する手法を提案した論文。
