Jungdam Won
Seoul National University
収録論文 9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
- InstantMimic: 物理ベーススキルを数秒で学習する高性能システム模倣学習2026/9/9
強化学習による物理ベースキャラクタ制御の学習ループ全体をGPU上で完結させ、多様なスキルを数秒で学習可能にしたシステム。
- MOCHI: 協調的な人と物体のインタラクションの動作強調動作生成/インタラクション2026/6/1
複数人と物体が同時に関わる協調インタラクションのノイズを含む動作データを、物理的に妥当な手の把持生成と拡散モデルによる全身動作の最適化で高品質に補正する2段階フレームワークを提案した。
- Exo-Plore: 人間整合シミュレーションによる外骨格制御空間の探索外骨格/シミュレーション2026/1/1
神経筋骨格シミュレーションと深層強化学習を組み合わせ、実際の人間実験なしで股関節外骨格のアシストを最適化するフレームワークを提案。歩行適応を再現し、病理歩行にも一般化できることを示した。
- ハイブリッド潜在表現による汎用物理ベースキャラクタ制御物理ベースキャラクタ制御2025/3/1
連続潜在表現と離散潜在表現を組み合わせたハイブリッドな運動事前分布を構築し、物理シミュレーション上のキャラクタが多様な制御タスクを滑らかにこなせるようにした研究。
- QuestEnvSim: 環境を考慮した疎センサーからの物理シミュレーションによるモーショントラッキングモーショントラッキング2023/6/1
ヘッドセットとコントローラの位置情報から、強化学習と物理シミュレーションを用いて、椅子やソファなど環境と相互作用する全身の自然な姿勢を生成する手法を提案した論文。
- 複数キャラクター間の複雑なインタラクションのシミュレーションとリターゲティング物理シミュレーション2023/5/1
深層強化学習を用いて、物理シミュレーション上のヒューマノイドが複数人での複雑なインタラクション(ハイタッチ、ダンス、箱運びなど)を模倣・再現する手法を提案。インタラクショングラフに基づく新たな報酬設計により、個々の動きとキャラクター間の空間的関係を同時に保持する。
- ACE: 人間から異形態キャラクターへの動作リターゲティングのための敵対的対応埋め込み動作リターゲティング2023/5/1
GANと特徴損失を用いて、人間の動作を異なる体型・構造を持つロボットやキャラクターに自然かつ意味を保って転写する学習ベースの動作リターゲティング手法を提案し、実機Spotへのsim-to-real転移も実証した。
- 潜在空間事前分布を用いたデモンストレーションの活用強化学習2022/10/1
デモンストレーションから潜在空間の事前分布を学習し、強化学習の効率と性能を向上させる手法を提案。
- FastMimic:敏捷・多様・汎化可能な四足歩行のためのモデルベース動作模倣歩行2021/9/1
動物の歩容をセントロイダル動力学モデルとオンライン適応で模倣する統一的なモデルベース制御法を提案し、高価なシミュレーション学習や実機微調整なしで多様な運動を実現した。
