Joseph J. Lim
収録論文 25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
- N2M: ロールアウトから姿勢選好を学習しナビゲーションとマニピュレーションを橋渡しモバイルマニピュレーション2025/9/1
マニピュレーションポリシーの実行に適したベース位置を、ポリシーのロールアウトから学習した姿勢選好に基づいて推定する手法を提案し、シーン再構成不要で高速かつ高精度にモバイルマニピュレーションを実現した。
- セグメント化されたデモンストレーションからのサブタスク認識型視覚報酬学習報酬学習2025/2/1
アクションなしの動画デモをサブタスクに分割し、その区間を正解報酬として密な報酬関数を学習するREDSを提案。複雑な操作タスクでベースラインを大きく上回り、未知タスクや異なるロボットへの汎化も示した。
- 複雑なQ関数における決定論的方策勾配の準最適性の緩和強化学習2024/10/1
強化学習において、Q関数の局所最適に陥りやすい問題を解決するため、複数の行動候補から最良を選び、Q関数を繰り返し近似するSAVOアーキテクチャを提案し、複雑なタスクでの性能向上を実証した。
- LiFT: 基盤モデルを教師とする教師なし強化学習強化学習2023/12/1
大規模言語モデルが環境に基づくタスク指示を生成し、視覚言語モデルが報酬を与えることで、人間のフィードバックなしに意味のあるスキルを学習する枠組みを提案。MineDojo環境で有効性を示す。
- 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。
- 自らのスキルをブートストラップせよ:大規模言語モデルのガイダンスによる新規タスクの学習VLA2023/10/1
LLMのガイダンスのもとで基本スキルを連鎖させ、報酬なしで新たな長期タスクを解けるスキルライブラリを自動構築する手法BOSSを提案。家庭環境での未見タスクのゼロショット実行で既存手法を上回る。
- SPRINT: 言語指示の再ラベリングによるスケーラブルな方策事前学習VLA2023/6/1
大規模言語モデルによる指示の再ラベリングとオフライン強化学習によるスキル連鎖で、人手をかけずに多様なスキルを事前学習し、新しい長期的タスクの学習を高速化する手法を提案。
- FurnitureBench:長期的で複雑な操作のための再現可能な実世界ベンチマークマニピュレーション2023/5/1
実世界での家具組み立てを対象に、5000件以上のデモデータやシミュレータを備えた再現可能なベンチマークを構築し、既存の模倣学習・オフライン強化学習手法の性能を評価した。
- QMP: マルチタスク方策のQスイッチ混合による行動共有マルチタスク強化学習2023/2/1
各タスクの方策をQ関数で評価して選択的に行動を共有し、マルチタスク強化学習のサンプル効率を改善するフレームワークQMPを提案した。
- 意味的スキル模倣によるクロスドメイン転移模倣学習2022/12/1
人間の動画など別ドメインのデモから「電子レンジを開ける」といった意味的スキルの系列を模倣し、ロボットの強化学習を加速する手法を提案。実世界の人間動画3分未満で長期的な調理タスクを学習できる。
- PATO: ポリシー支援型遠隔操作によるスケーラブルなロボットデータ収集遠隔操作2022/12/1
学習した支援ポリシーで遠隔操作の一部を自動化し、人間は不確実なときだけ介入する仕組みを提案。実機とシミュレーションで作業負担を減らしつつデータ収集効率を向上させ、1人で複数ロボットを並行操作できることを示した。
- スキルベースのモデルベース強化学習モデルベースRL2022/7/1
スキル空間で長期計画を行うために、スキルダイナミクスモデルとスキルレパートリーを同時に学習するSkiMoを提案し、ナビゲーションとマニピュレーションでサンプル効率を改善した。
- タスク誘導表現学習による視覚的複雑環境での意思決定効率化表現学習2022/4/1
視覚的に複雑で妨害物が多い環境において、報酬やデモなどのタスク情報を活用してタスク関連部分に注目する表現学習手法を評価し、教師なし表現学習より学習効率が最大2倍向上することを示した。
- 動作計画を組み込んだ方策を視覚制御方策へ蒸留するロボットマニピュレーションマニピュレーション2021/11/1
障害物環境でのマニピュレーションのため、状態情報を用いる動作計画拡張方策を視覚行動クローニングと視覚強化学習で視覚制御方策に蒸留し、サンプル効率とゼロショット転移を実現した。
- 終端状態正則化による長期的ロボットマニピュレーションのための敵対的スキル連鎖マニピュレーション2021/11/1
複数の学習済みスキルを連鎖させる際、終端状態分布を敵対的学習で正則化することで初期状態分布を過度に広げずに長期的な家具組立タスクをモデルフリー強化学習で初めて解決した論文。
- 学習済みスキルを活用したデモンストレーション誘導強化学習強化学習2021/7/1
過去の経験から再利用可能なスキルを学習し、デモンストレーションをプリミティブ動作ではなくスキル単位で追従することで、長期タスクの強化学習を効率化する手法SkiLDを提案した論文。
- 反復グラウンディングによる視覚・動力学ドメインギャップを越えた方策転移sim2real2021/7/1
視覚と動力学の両方のドメインギャップを反復的に環境をグラウンディングすることで最小限の教師信号で方策を転移する手法IDAPTを提案し、歩行とマニピュレーションで有効性を示した。
- 新しい行動集合へのゼロショット汎化を実現する強化学習フレームワーク強化学習2020/11/1
行動情報から行動表現を推論し、未知の行動集合にも柔軟に対応できる方策を二段階で学習する手法を提案し、物理パズルや積み木タスクで評価した。
- 動作計画を統合した強化学習による障害物環境でのロボットマニピュレーションマニピュレーション2020/10/1
強化学習の行動空間に動作計画器の長期的計画能力を組み込み、行動の大きさに応じて直接実行と計画呼び出しを滑らかに切り替えるMoPA-RLを提案し、学習効率と安全性の向上を示した。
- スキル事前分布を学習して強化学習を加速する強化学習2020/10/1
オフライン経験からスキルの埋め込み空間とスキル事前分布を同時に学習し、下流の強化学習でその事前分布を活用して効率的なスキル転移を実現した研究。
- 追従すべきか否か:観察からの選択的模倣学習模倣学習2019/12/1
実演の全ステップを真似るのではなく、現在のエージェントが到達可能な状態だけを選んで学習するSILOを提案し、実機・シミュレーションで有効性を示した論文。
- IKEA家具組み立て環境:長期的複雑マニピュレーションタスクのベンチマークマニピュレーション2019/11/1
IKEA家具の組み立てを題材に、長期計画と高度な低レベル制御を要する複雑なマニピュレーションタスクを強化学習で検証するためのシミュレーション環境を構築した。80種類以上の家具モデル、Sawyer/Baxterロボット、ドメインランダム化に対応する。
- 自動条件付けリカレント混合密度ネットワークによる汎化可能なロボットスキルの学習模倣学習2018/10/1
専門家のデモから関節空間軌道を生成する状態遷移モデルを提案し、未知タスクへの素早い汎化や長期軌道の合成を実機で示した。
- シミュレータ予測制御:学習済みタスク表現とMPCによるゼロショット汎化とスキル系列化sim2real2018/10/1
シミュレーションで学習したスキル埋め込みと条件付き方策を実機に転送し、シミュレータ内で方策を並列実行するMPCで未知タスクをゼロショットで遂行する手法を提案。
- 再利用可能なスキル合成によるシミュレーションから実機への転移のスケーリングsim2real2018/9/1
低レベルスキルを多様かつ再利用可能な形で学習し、スキル埋め込みで組み合わせることで、実機での学習時間をほぼゼロに高レベルタスクを達成するsim2real手法を提案。
