Jie Luo
収録論文 11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
- RoboFoundry:自己学習型身体性エージェントのためのシステム・アズ・ポリシー進化VLA2026/9/26
エージェントの支援システム全体を一つのポリシーとして捉え、実行経験を検証済みのシステム更新に変換して自己進化させる身体性エージェントフレームワークを提案し、EmbodiedBenchで最先端性能を達成した。
- 対称性を活用したマルチエージェント逆強化学習逆強化学習2025/9/1
マルチエージェント系の対称性を利用して、少ない専門家デモから報酬関数を高精度に推定する逆強化学習フレームワークを提案し、実機マルチロボットでも検証した。
- ラマルク的遺伝が動的環境におけるロボット進化を改善する進化ロボティクス2024/3/1
ロボットが学習した形質を子孫に継承するラマルク的進化を導入し、動的環境での適応性と効率がダーウィン的進化より優れることを6環境の実験と実機で示した。
- ラマルクの逆襲:学習形質の遺伝がロボット進化を改善する進化ロボティクス2023/9/1
生涯学習で得た脳の形質を子孫に遺伝させるラマルク的進化ロボット系をシミュレーションし、ダーウィン的系と比較して、遺伝が身体と脳の適合を高め『形態的知能』の発現を促進することを示した。
- 任意のロボット形態に対する制御器アーキテクチャと学習手法の比較進化ロボティクス2023/9/1
未知の形態を持つモジュール式ロボットに対し、CPG+進化計算、ニューラルネット+強化学習、ニューラルネット+進化計算の3つの制御・学習手法を比較し、中間的な組み合わせが最も効率的で堅牢であることを示した。
- 幅優先探索とランダムクエリによるロボット形態空間の探索進化ロボティクス2023/9/1
モジュール式ロボットの脳と身体の共進化において、遺伝子型から表現型へのマッピングに用いるクエリ機構(幅優先探索とランダムクエリ)を比較し、進化の結果や性能、多様性への影響を調べた研究。
- ESP: 対称性事前知識を活用したマルチエージェント強化学習群制御2023/7/1
マルチエージェント系の対称性を事前知識としてデータ拡張と整合性損失に組み込み、既存のMARLアルゴリズムに適用可能なモデル非依存フレームワークを提案し、実機マルチロボットでも有効性を示した。
- 形態進化ロボットにおける脳の繁殖手法の比較研究進化ロボティクス2023/3/1
進化するモジュラーロボットの脳の繁殖方法(無性/有性)と進化機構(ダーウィン/ラマルク)の組み合わせ4種をシミュレーションで比較し、無性繁殖とラマルク機構の組み合わせが最も優れることを示した。
- 限られたセンシング能力を持つ進化する群れにおける環境誘発型の集団行動の創発群制御2022/3/1
限られたセンシング・通信能力しか持たないロボット群が環境特徴の勾配を追従する課題に対し、差分進化でニューラルネットワーク制御器を進化させ、環境条件や群れサイズを変えて柔軟性とスケーラビリティを評価した研究。
- 形態進化するロボットシステムにおける学習の効果進化ロボティクス2021/11/1
形態と制御器を同時進化させるロボットに幼児期学習を導入し、学習がタスク性能向上と進化速度改善をもたらし、進化する形態自体も変化させることを大規模シミュレーションで示した。
- L-systemで生成される形態進化ロボットによる歩行学習歩行2021/7/1
モジュール式ロボットの身体と脳を同時進化させ、生涯学習(RevDEknn)を組み合わせることで、脳と身体のミスマッチを緩和し、より高い適応度と形態進化を実現することを示した研究。
