Jost Tobias Springenberg
収録論文 31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
- π0.7: 操縦可能な汎用ロボット基盤モデルと創発的能力VLA2026/4/1
多様なコンテキスト条件付けを用いて、未見環境での言語指示追従やゼロショットの身体汎化を実現するロボット基盤モデルπ0.7を提案した。
- RLトークン：視覚言語行動モデルを用いたオンライン強化学習のブートストラップVLA/強化学習2026/4/1
事前学習済みの視覚言語行動モデル(VLA)にRLトークンと呼ばれる小型の表現を追加し、その上で強化学習を行うことで、実ロボット上で数時間の練習だけで効率的に微調整できる手法を提案した。
- MEM: 視覚言語行動モデルのためのマルチスケール具現化メモリVLA2026/3/1
ロボットの長期タスク遂行のために、ビデオベースの短期記憶とテキストベースの長期記憶を組み合わせたマルチスケールメモリアーキテクチャを提案し、15分に及ぶ複雑なタスクを可能にした。
- π*0.6：経験から学ぶVLAVLA2025/11/1
実世界での経験と人間の修正を活用した強化学習手法RECAPにより、洗濯物畳みや箱組み立て、エスプレッソ抽出などのタスクを高成功率で実行できる汎用VLAモデルπ*0.6を開発した。
- 知識を保護する視覚-言語-行動モデル：高速学習・高速推論・より良い汎化VLA2025/5/1
連続制御用のアクションエキスパートを組み込んだVLAモデルにおいて、学習速度と知識転移が損なわれる問題を分析し、VLMバックボーンを保護する学習手法を提案した。
- π0.5: オープンワールド汎化を実現する視覚-言語-行動モデルVLA2025/4/1
異種タスクの共同学習により、未知の家庭環境でもキッチンや寝室の掃除などの長期的で器用な操作を実行できるVLAモデルπ0.5を提案した。
- Gemini Robotics：AIを物理世界へVLA2025/3/1
Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。
- ゲーム開始：言語モデルを強化学習の実験者として活用するVLA2024/9/1
VLMを用いて強化学習の実験サイクルを自動化し、タスク提案・スキル分解・カリキュラム構築を行うエージェントアーキテクチャを提案した。
- オフラインActor-Critic強化学習の大規模モデルへのスケーリング強化学習2024/2/1
オフラインActor-Critic強化学習がTransformerなどの大規模モデルにスケールし、132の連続制御タスクで行動クローニングを上回ることを示した研究。
- GATS: 収集・注意・散布による基盤モデル統合VLA2024/1/1
学習済み基盤モデルを凍結したまま組み合わせ、マルチモーダルな大規模ネットワークを構築するモジュールGATSを提案し、ゲーム・ロボティクス・マルチモーダル系で有効性を示した。
- 実機ロボットでの大規模反復強化学習による多様な形状の積み重ね習得マニピュレーション2023/12/1
実機ロボットの自己生成データのみを用い、オフポリシー学習とオンライン/オフライン反復スキームでデータ効率を高め、ピクセルから直接エンドツーエンドで多様な形状の積み重ねを学習した。
- RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェントマニピュレーション2023/6/1
多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。
- 制御のための汎用ダイナミクスモデル制御/モデルベース強化学習2023/5/1
Transformerをダイナミクスモデルとして用い、未知環境への少数ショット・ゼロショット汎化性能を実証し、制御の基盤モデルとしての可能性を示した。
- ロボティクス領域における計画と高速学習のためのジャンピーモデルの活用モデルベース計画2023/2/1
ラベルなし経験からスキル埋め込みとマルチステップ予測モデルをオフライン学習し、計画や強化学習に活用して長期タスクのゼロショット汎化と学習高速化を実現した。
- 汎用エージェントGato：マルチモーダル・マルチタスク・マルチ身体ポリシーVLA2022/5/1
大規模言語モデルの手法を応用し、テキスト以外も含む単一の汎用エージェントGatoを構築。同じ重みでAtari操作、画像キャプション、対話、実機ロボットアームでの積み木など多様なタスクをこなす。
- ロボットの時間の使い方：視覚ベースのロボットマニピュレーションのためのキックスタートとオフライン強化学習の橋渡しマニピュレーション2022/5/1
教師ポリシーの行動分布と収集データを活用し、限られたオンライン試行予算で視覚ベースの積み重ねタスクを効率的に学習する2つの強化学習アルゴリズムを提案・比較した論文。
- オフポリシー強化学習におけるガウス混合批評家の再検討：サンプルベース手法強化学習2022/4/21
C51批評家のビン設定や値域の事前知識が不要なガウス混合分布批評家とサンプルベース損失を提案し、連続制御タスクで最先端性能を達成した。
- モデルベース計画とプランナ償却の連続制御における評価モデルベースRL2021/10/1
モデル予測制御とモデルフリー方策学習を組み合わせ、難しい移動タスクでデータ効率と性能を評価し、計画計算を方策に蒸留できることを示した。
- ピックアンドプレースを超えて：多様な形状の物体のロボット積み重ねへの挑戦マニピュレーション2021/10/1
複雑な形状の物体をロボットで積み重ねる課題に対し、強化学習と視覚ベースの対話型方策蒸留、sim2real転移を組み合わせた手法を提案し、実世界で多様な積み重ねスキルを実現した。
- マルチオブジェクティブ方策最適化による強化学習の改善：オフラインRLとファインチューニングの事例研究強化学習2021/6/1
強化学習の補助目的を多目的最適化問題として捉え、線形スカラー化に代わる新アルゴリズムDiMEを提案。オフラインRLとファインチューニングで既存手法を上回る性能を示した。
- 準最適な専門家から器用な操作を学習するマニピュレーション2020/10/1
準最適な専門家データとオンライン探索データを組み合わせて活用できる相対エントロピーQ学習(REQ)を提案し、ロボット操作タスクで有効性を示した論文。
- 探索のためのシンプルセンサー意図強化学習/探索2020/5/1
生のセンサー入力から直接計算できる補助タスク「シンプルセンサー意図」を提案し、実機ロボットアームが把持・持ち上げやボールインナカップをゼロから学習できることを示した。
- 成功した行動を続けよう：オフライン強化学習のための行動モデリング事前分布オフライン強化学習2020/2/1
オフライン強化学習において、過去に実行され成功しやすい行動へ方策を誘導するアドバンテージ重み付き行動モデル（ABM）を提案し、連続制御や実ロボットのマルチタスク学習で改善を示した。
- ハイブリッド制御のための連続・離散強化学習強化学習2020/1/1
離散行動と連続行動が混在するロボット制御問題を、両者を同時に最適化するハイブリッド強化学習でネイティブに解き、専門家ヒューリスティクスを排除する利点をシミュレーションと実機で示した論文。
- 想像上の価値勾配：転移可能な潜在ダイナミクスモデルによるモデルベース方策最適化モデルベースRL2019/10/1
視覚と固有感覚から環境の予測モデルを学習し、想像上の軌跡に沿った価値勾配で方策を最適化することで、ロボット操作タスクへの転移を高速化する手法を提案した論文。
- 階層強化学習における合成的転移階層強化学習2019/6/1
複数タスク間でデータを共有する階層的方策最適化手法RHPOを提案し、実機ロボットの積み木タスクでデータ効率と性能の大幅な向上を示した。
- 連続制御のための画像埋め込みの自己教師あり学習自己教師あり学習2019/1/1
報酬なしの自己教師あり学習で汎用的な画像埋め込みと制御プリミティブを獲得し、モデルフリーとモデルベースを橋渡しする状態行動価値関数の新構造を提案した論文。
- 最大事後確率方策最適化強化学習2018/6/1
相対エントロピー目的関数の座標上昇に基づく新しい強化学習アルゴリズムMPOを提案し、連続制御でサンプル効率と安定性に優れることを示した。
- 遊びながら学ぶ：スパース報酬タスクをゼロから解く強化学習/マニピュレーション2018/2/1
複数のスパース報酬信号のもとで、補助タスクを能動的にスケジューリングしながらオフポリシー強化学習で複雑なロボット操作行動をゼロから学習する手法SAC-Xを提案した。
- 後継特徴量を用いた深層強化学習による類似環境間のナビゲーションナビゲーション2016/12/1
迷路状環境でのロボットナビゲーションを、後継特徴量に基づく深層強化学習で解き、学習済みタスクの知識を新環境や新目標へ転移して学習時間を大幅に短縮する手法を提案した。
- ロバストなRGB-D物体認識のためのマルチモーダル深層学習マルチモーダル認識2015/7/1
RGBと深度を別々のCNNで処理し後段で統合するRGB-D物体認識手法を提案し、不完全なセンサデータに強い学習法と深度画像のデータ拡張で実環境でも高精度を実現した。
