Julian Ibarz
収録論文 19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
- Q-Transformer:自己回帰的Q関数によるスケーラブルなオフライン強化学習オフライン強化学習2023/9/1
TransformerでQ関数を自己回帰的に表現し、大規模オフラインデータからマルチタスク方策を学習する手法を提案。実世界の多様なロボット操作タスクで既存手法を上回る性能を示した。
- 大規模深層強化学習:オフィスビルでの移動マニピュレータ群による廃棄物仕分けマニピュレーション2023/5/1
実世界データとシミュレーションを組み合わせた深層強化学習により、23台の移動マニピュレータがオフィスビルでリサイクル品とゴミを仕分けるシステムを構築し、大規模に評価した。
- RT-1: 実世界制御のための大規模ロボティクストランスフォーマーVLA2022/12/1
多様なロボットデータで訓練したTransformerモデルRT-1を提案し、実世界タスクにおけるデータ量・モデル規模・データ多様性に対する汎化性能を大規模実験で検証した。
- トークン・チューリングマシンVLA2022/11/1
外部メモリとしてトークン集合を持ち、Transformerで読み書きする自己回帰モデルを提案し、動画行動検出やロボット行動方策学習で有効性を示した。
- 言う通りでなく、できる通りに:ロボットのアフォーダンスに言語を接地するVLA2022/4/1
大規模言語モデルの高レベル知識と事前学習済みスキルの価値関数を組み合わせ、実世界で実行可能な行動に言語を接地させる手法を提案し、実機タスクで有効性を示した。
- MESA: 安全な適応と故障耐性のためのオフラインメタ強化学習メタ強化学習2021/12/1
安全・危険な振る舞いのオフラインデータからリスク指標をメタ学習し、未知の環境でも制約違反を抑えつつ素早く適応する手法MESAを提案した論文。
- ロボット学習のための視覚アーキテクチャ自動探索マニピュレーション2021/3/1
ロボットマニピュレーション学習において、低次元の行動入力と高次元の視覚入力を組み合わせるニューラルアーキテクチャを自動探索する手法を提案し、実機で把持性能を6%向上させた。
- 実世界ロボットのための深層強化学習の訓練法:我々が学んだ教訓深層強化学習2021/2/1
実ロボットに深層強化学習を適用した複数のケーススタディを通じ、実環境特有の課題と対処法、未解決の課題を整理したレビュー論文。
- Recovery RL:学習した回復ゾーンを用いた安全な強化学習安全強化学習2020/10/1
オフラインデータから制約違反領域を事前学習し、タスク方策と回復方策を分離することで、探索と安全性のトレードオフを効率的に両立させる安全強化学習手法を提案。
- RL-CycleGAN:強化学習を考慮したシミュレーションから実世界への転移sim2real2020/6/1
画像変換がQ値を保存するようにRL-scene consistency損失を導入し、タスクを考慮したシミュレーション→実世界の画像変換を可能にするRL-CycleGANを提案した論文。
- 動きながら考える:並行制御による深層強化学習強化学習2020/4/1
行動の実行中に次の行動を決定する並行制御問題に対し、連続時間ベルマン方程式を遅延考慮で離散化する強化学習手法を提案し、ロボット把持タスクで有効性を示した。
- オフポリシー分類によるオフポリシー評価オフポリシー評価2019/6/1
連続行動空間と疎な二値報酬のMDPにおいて、Q関数を決定関数とした正例・未ラベル分類問題としてOPEを定式化し、環境モデルも重要度サンプリングも不要な評価指標を提案した論文。
- ランダム化→正規化適応ネットワークによる実世界データ不要のロボット把持sim2real2018/12/1
ランダム化されたシミュレーション画像を正規化画像へ変換するRCANを学習し、実画像も同様に変換することで実世界データなしに視覚ベース把持エージェントをsim-to-real転移した研究。
- QT-Opt:視覚ベースロボット操作のためのスケーラブルな深層強化学習マニピュレーション2018/6/1
58万回以上の実世界把持試行を用いて120万パラメータのQ関数を学習し、RGB画像のみで閉ループ把持制御を実現、未知物体で96%の成功率を達成した。
- 多様性こそがすべて:報酬関数なしでスキルを学ぶ教師なし強化学習2018/2/1
報酬関数を使わずに情報理論的目的関数を最大化することで、歩行やジャンプなど多様なスキルを教師なしで獲得する手法DIAYNを提案した論文。
- 視覚ベースロボット把持のための深層強化学習:オフポリシー手法のシミュレーション比較評価マニピュレーション2018/2/1
視覚ベースのロボット把持タスク向けに、未見物体への汎化とオフポリシー学習に焦点を当てたシミュレーションベンチマークを提案し、複数のQ関数推定手法を比較評価した。
- 痕跡を残さず:安全で自律的な強化学習のためのリセット学習強化学習2017/11/1
順方向ポリシーとリセットポリシーを同時に学習し、非可逆状態に入る前に自動で安全に中断することで、人手によるリセットを大幅に削減する強化学習手法を提案した論文。
- シミュレーションとドメイン適応による深層ロボット把持の効率化sim2real2017/9/1
ランダム化したシミュレーション環境とGraspGANと呼ばれるピクセルレベルドメイン適応を組み合わせ、実世界のラベル付きデータを最大50分の1に削減しつつ新規物体の把持を実現した。
- 意味的把握のエンドツーエンド学習マニピュレーション2017/7/1
単眼画像からユーザー指定クラスの物体を把持するため、物体検出・分類・把持計画を二流仮説に基づきエンドツーエンドで学習するフレームワークを提案した論文。
