Kate Saenko

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

• SAT: マルチモーダル言語モデルのための動的空間適性トレーニング
  VLA2024/12/1

  3Dシミュレータを用いて静的・動的な空間推論を含む17.5万件のQAペアと2万シーンからなるデータセットSATを構築し、マルチモーダル言語モデルの空間認識能力を訓練する手法を提案した。

• シミュレーションに錨を下ろした学習によるオンザフライ適応
  sim2real2023/1/1

  シミュレーションで訓練したRLエージェントを実世界データで微調整する際、シミュレーションの批評家を「設計意図の錨」として活用し、優先行動を保ちながら適応を可能にする手法を提案。レーシングクアッドロータで最大50%の消費電力削減を実現。

• 反事実的軌跡による強化学習ポリシーの説明
  解釈性2022/1/1

  強化学習エージェントの分布シフト下での振る舞いを、多様な未見状態へ誘導した軌跡で可視化し、人間が検証しやすくする手法を提案した。

• 俳優を小さくしよう：アクター・クリティック強化学習における小型アクターでの性能維持の事例研究
  強化学習2021/2/1

  アクターとクリティックのネットワーク構造を独立に設計することで、小型アクターでも同等の性能を維持できることを示し、最大99%のパラメータ削減を達成した。

• 強化学習制御のための行動方策平滑化正則化
  強化学習/制御2020/12/1

  強化学習で学習した制御方策の行動が滑らかでない問題に対し、CAPSという正則化手法を提案し、実機のドローンで消費電力を約80%削減した。

• クアッドロータのための強化学習フライト制御フレームワークRE+AL
  強化学習/飛行制御/sim2real2020/12/1

  強化学習による低レベル姿勢制御の制御則の滑らかさと応答性を両立させるため、シミュレーション訓練環境を体系的に設計するフレームワークRE+ALを提案し、競技用クアッドロータNF1で実機転移を実証した。

• 高速アテンションによるリアルタイムセマンティックセグメンテーション
  セグメンテーション2020/7/1

  計算コストを抑えた高速空間アテンションと中間特徴の空間削減により、高解像度画像・動画のセマンティックセグメンテーションをリアルタイムで高精度に実現した。

• プランナクローニングによる視覚サーボポリシーの学習
  視覚サーボ2020/5/1

  シミュレーション上の完全状態モーションプランナの振る舞いを模倣する新しい行動クローニング手法PQCを提案し、障害物回避を伴う視覚サーボタスクで実機転移を含め約87%の成功率を達成した。

• ペアワイズ損失による制御ポリシーのシミュレーションから実機への転移
  sim2real2018/7/1

  ペアワイズ損失関数を用いて、シミュレーションで学習した制御ポリシーを実機ロボットへ転移する手法を提案し、新規物体の嵌合タスクで有効性を示した。

• 後知恵学習を用いた階層型強化学習
  階層型強化学習2018/5/1

  遅延・疎な報酬環境で、複数の時間スケールの行動を並列に学習する階層型強化学習手法を提案し、サンプル効率を大幅に改善した。

• 後知恵を用いた多階層強化学習フレームワークHAC
  階層強化学習2017/12/1

  下位レベルを最適と仮定して各階層を独立に訓練することで、多階層ポリシーの並列学習の不安定性を克服し、連続制御タスクで3階層の並列学習を初めて成功させた。

• 点群からの把持姿勢検出の高精度化
  把持検出2017/6/1

  ノイズや遮蔽のある点群から物体のCADモデルなしで把持姿勢を検出する手法を改良し、密集した clutter 環境で93%の把持成功率を達成した論文。

• シミュレーション深度画像で学習する実世界把持の視覚運動制御器
  sim2real2017/6/1

  シミュレーションで生成した深度画像を用いてCNNを訓練し、把持対象への距離関数を学習することで、実世界のノイズや外乱に頑健な閉ループ把持制御を実現した。

• 密集環境における高精度な把持姿勢検出
  マニピュレーション2016/3/1

  深度センサの点群から6自由度の把持候補を生成し、CNNで良否を分類する把持検出法を提案。把持候補の新表現と事前学習・事前知識により精度を向上させ、密集環境で平均93%の把持成功率を達成した。