Josiah P. Hanna
University of Wisconsin–Madison
収録論文 14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
- オプション内適合Q評価:非階層データからの階層的方策評価階層的強化学習2026/11/7
階層的方策を、オプション注釈のないデータからでも評価できるよう、状態-オプション空間で価値関数を推定するIO-FQEを提案し、長期的な連続制御タスクでバイアス除去と誤差低減を示した。
- RoboFQE: オフライン軌道からのロールアウト不要な視覚ロボット方策評価方策評価2026/10/13
実機・シミュレータ・世界モデルによるロールアウトを必要とせず、オフラインのロボット軌道から視覚操作方策の割引期待リターンを推定する評価器RoboFQEを提案した。
- Sim-to-Realシステム同定のための情報分離型軌道設計sim2real2026/10/7
フィッシャー情報行列のシュア補完に基づく探索方策で、パラメータ間の分離性を高める軌道を設計し、シミュレータのパラメータ同定精度と実機転移性能を向上させる手法を提案。
- BIFROST: 観測空間のSim2Real転送のための不変特徴表現の橋渡しsim2real2026/7/1
シミュレーションと実世界のギャップを埋めるため、クロスドメインの双模倣目的を用いて共有の履歴エンコーダを学習し、ゼロショット転送を可能にする手法を提案した。
- 近似情報状態による抽象Sim2Realsim2real2026/4/1
詳細なシミュレータが不要な抽象シミュレータを用いてRLで訓練した方策を実世界へ転移する問題を定式化し、実データでシミュレータのダイナミクスを補正する手法を提案した。
- 関節剛体ダイナミクスネットワーク:ロボット学習のためのダイナミクス基盤事前知識強化学習/モデル構造2026/3/1
関節ロボットの運動学ではなく動力学構造をグラフニューラルネットワークに組み込んだABD-Netを提案し、シミュレーションと実機で学習効率とロバスト性を向上させた。
- 抽象シミュレーションと強化学習によるマルチロボット協調群制御2025/3/1
高抽象度のシミュレータでマルチエージェント強化学習を行い、低レベル知覚・運動モジュールと組み合わせて実機ロボット群に方策を転移する手法を提案し、ロボットサッカーで検証した。
- 古典的ロボティクススタックへの強化学習統合:ロボットサッカーにおけるケーススタディ強化学習/sim2real2024/12/1
ロボカップSPL向けに、古典的ロボティクススタック内に強化学習を統合し、マルチフィデリティsim2realとサブ行動分解・ヒューリスティック選択を組み合わせたアーキテクチャを開発し、2024年大会で優勝した。
- 補助タスク蒸留による強化学習強化学習2024/6/1
補助的な強化学習タスクから振る舞いを蒸留し、長期的なロボット制御タスクを実現する手法を提案。物体再配置ベンチマークで従来手法を上回る成功率を達成。
- オフライン強化学習と模倣学習のためのガイド付きデータ拡張オフライン強化学習2023/10/1
人間が「タスク進捗」を判定して拡張候補を選別するガイド付きデータ拡張(GuDA)を提案し、少数の初期データからオフラインRL・模倣学習で有効な方策を学習できることをロボットサッカーやD4RL等で示した。
- 遮蔽物存在下での解釈可能なゴール認識による自動運転自動運転/意図推定2021/8/1
逆計画に基づき観測車両のゴールと遮蔽物の存在を同時に確率的に推論し、MCTSに統合することで安全な自動運転を実現する手法を提案した論文。
- 強化学習による接地行動変換を用いたsim2real転移sim2real2020/8/1
シミュレータの現実ギャップを埋めるため、接地ステップ自体を強化学習で行うRGATを提案し、ニューラルネット方策のMuJoCoタスクでの実機転移に成功した。
- 確率的接地行動変換によるシミュレーション内ロボット学習sim2real2020/8/1
実環境の確率的な遷移を考慮してシミュレータを接地するSGATを提案し、シミュレーションと実機の両方で確率的な環境に頑健な方策を得られることを示した。
- 単一の観察デモンストレーションから学ぶ強化学習型逆動力学モデリング模倣学習2019/6/1
デモンストレータの行動情報を必要とせず、単一の観察軌道から逆動力学モデルを強化学習で学習するRIDMを提案し、シミュレーションと実機UR5で有効性を示した。
