Johannes A. Stork
収録論文 16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
- コンテキストは現実ギャップを埋められるか?コンテキスト認識ポリシーのSim-to-Real転送sim2real2025/11/1
シミュレーションから実機への転送において、動力学パラメータの推定値(コンテキスト)をポリシーに条件付けることで性能が向上するかを検証し、実機の押し操作タスクで有効性を示した。
- 異種エージェントの軌道予測:小規模・不均衡データセットにおける性能分析軌道予測2025/10/1
ロボットや自動運転の軌道予測において、エージェントのクラスラベルを条件に用いる手法を2つのデータセットで比較し、データが少ない・クラス不均衡な状況ではパターンベース手法が優位であることを示した。
- ZipMPC:模倣学習による圧縮された文脈依存型MPCコストモデル予測制御2025/7/1
長期的なMPCの振る舞いを模倣し、短い予測ホライズンでも高性能を発揮する文脈依存型コスト関数を学習する手法を提案。自動運転レースで有効性を実証。
- ビヘイビアツリー方策の強化学習によるオンザフライ適応マニピュレーション2025/3/1
ビヘイビアツリー構造を保ちつつ強化学習で局所的なタスク変動にサンプル効率よく適応する階層的手法を提案し、シミュレーションと実機で検証した。
- THÖR-MAGNI Act:ロボット共存産業空間における人間動作モデリングのための行動データセット人間行動予測2024/12/1
移動ロボットと共存する産業環境で、参加者の行動を一人称視点で8.3時間分ラベル付けしたデータセットを構築し、行動条件付き軌道予測と行動・軌道同時予測のためのTransformerモデルを提案した。
- パラメータ化された操作プリミティブによる環境を利用した器用さの学習マニピュレーション2023/10/1
環境と物体の接触を利用して物体の姿勢を能動的に変え、把持可能な状態を作り出す階層強化学習手法を提案し、実機で98%の成功率を達成した。
- ビヘイビアツリーによる移動マニピュレータの異種全身制御マニピュレーション2022/10/1
ビヘイビアツリーを用いて、移動マニピュレータの複数の低レベル制御器を統合し、サブシステム間の協調を要する全身制御を実現するフレームワークを拡張した。
- 接触の多いマニピュレーションにおける強化学習のための知識転移マニピュレーション2022/10/1
複数のスキル事前分布を学習し、類似タスク間で知識を転移することで、新しい接触の多い組立タスクへの強化学習の汎化性能を向上させる手法を提案した。
- タスクスタックとビヘイビアツリーを組み合わせたロボット制御の新フレームワークマニピュレーション2022/9/1
優先度付きタスク制御(SoT)とビヘイビアツリー(BT)を組み合わせ、動的環境での反応性とモジュール性を両立させたロボット制御フレームワークを提案し、7自由度マニピュレータで検証した。
- ストリーミングデータに対するスパースガウス過程エキスパートのアンサンブルによる暗黙的表面マッピングSLAM/マッピング2020/2/1
既知の姿勢で取得される距離データのストリームから、環境のコンパクトで連続的な暗黙的表面マップを学習するため、近似ガウス過程の専門家をアンサンブル化し、データを貪欲に取捨選択してモデル複雑度と予測誤差をトレードオフする手法を提案した。
- モンテカルロ木探索による複数物体の再配置:平面非把持仕分けの事例研究マニピュレーション2019/12/1
密集した多クラス物体を押してクラスごとに分離する平面仕分けタスクに対し、タスク特化ヒューリスティックを組み込んだモンテカルロ木探索を適用し、シミュレーションと実機で有効性を示した。
- 食品切断のためのデータ駆動型モデル予測制御マニピュレーション2019/3/1
リカレントニューラルネットで接触ダイナミクスをモデル化し、モデル予測制御で食品切断を実現。未知物体にも単一モデルで適応できることを示した。
- シミュレーションを活用したタスク指向把持のためのベルヌーイ交互カーネルによる大域探索マニピュレーション2018/10/1
シミュレーションの大規模データと実機の限られたデータを組み合わせ、ベイズ最適化で把持方策をオンライン適応する手法を提案し、未知物体のタスク指向把持で有効性を示した。
- トポロジー表現を用いた強化学習による全身腕マニピュレーションでの人体搬送マニピュレーション2018/9/1
ロボットが腕全体で人間を抱え搬送するタスクを、腕と胴体の位置から計算するトポロジー座標で表現し、強化学習で外乱や人間の動きに直接対応できる方策を学習した。異なる体型の人間や知覚ノイズにも対応でき、実機にも転移可能なことを示した。
- 深層強化学習による非把持マニピュレーションでの物体整列マニピュレーション2018/3/1
視覚フィードバックのみを用いた深層Qネットワークで、物体を掴まずに押し動かして整列させる戦略を学習し、シミュレーションで85%の成功率を達成した。
- ループへのロープ挿通のための仮想磁場定式化によるロボット結び目生成マニピュレーション2016/11/1
ループ内部に仮想磁場を定義しビオ・サバール則でロープ端把持マニピュレータを誘導することで、変形するループへのロープ挿通を実現し、把持・解放と組み合わせてNAOロボットで結び目を作成した。
