Katie Byl
収録論文 11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
- 物理情報ニューラルネットワークによる転移可能な摩擦モデルとLuGre同定sim2real2025/4/1
物理情報ニューラルネットワークを用いて、少ないノイズデータから摩擦モデルを学習し、未学習のシステムにも転移できる高精度な摩擦推定手法を提案した。
- 微分可能物理シミュレーションにおける報酬勾配を活用した強化学習強化学習/微分可能シミュレーション2022/3/1
微分可能な剛体物理シミュレータの報酬解析勾配を活用する新アルゴリズムを提案し、難解な非線形制御問題で最先端の深層強化学習を上回る性能を示した。
- 深層強化学習ポリシーの直接ランダム探索による微調整強化学習2021/9/1
決定論的ロールアウトで直接最適化するランダム探索により、DRLポリシーを微調整し、より安定して高性能なエージェントが得られることを多数の環境で示した論文。
- 強化学習で低フラクタル次元の軌道を明示的に促す強化学習2020/12/1
強化学習エージェントの報酬に後処理関数を加えることで、生成される軌道のフラクタル次元を下げ、ノイズや外乱に対するロバスト性を向上させる手法を提案した論文。
- フラクタル次元報酬で学習した方策のメッシュ解析:外乱下での到達可能状態空間の評価歩行2020/12/1
フラクタル次元を用いた報酬で学習したロボット歩行方策が、外乱を受けた際の到達可能状態空間をメッシュ化して解析し、従来よりコンパクトなメッシュを生成することを示した。
- 深層強化学習と局所制御の融合によるアクロボットの振り上げ・バランス制御強化学習2020/12/1
深層強化学習のSACと従来のLQR制御を組み合わせ、アクロボットの振り上げ・バランス課題で他の強化学習手法を上回る性能を実現した。
- 軌道最適化と深層強化学習の利点を組み合わせる強化学習×軌道最適化2019/10/1
軌道最適化を最悪ケースの行動として用いることで、強化学習のサンプル効率を改善し、学習途中でもオンライン展開可能な方策を実現した。
- 深層強化学習による二足歩行制御のメッシュベース安定性解析歩行2019/3/1
5リンク平面二足モデルの深層強化学習ポリシーについて、モンテカルロ法の代わりにメッシュベースの手法で安定性とロバスト性を効率的に評価する枠組みを提案した。
- タスク空間トレーニングで強化学習を高速化・誘導する強化学習2019/3/1
高自由度ロボットの強化学習を、順・逆運動学を明示的に活用し関節空間ではなくデカルト空間で方策学習することで、単一ノートPCで数分で訓練可能にした研究。
- 効率的でロバストな二足歩行最適化に向けて歩行2018/7/1
二足歩行のエネルギー効率とロバスト性のトレードオフを定量化し、軌道だけでなく設計パラメータとフィードバック制御も同時最適化する枠組みを5リンク平面モデルで検討した研究。
- 初到達価値:確率的動的システムにおける平均初到達時間の一般化確率制御2014/12/1
平均初到達時間(MFPT)をエネルギー消費や距離などの一般的な価値に拡張した平均初到達価値(MFPV)を提案し、信頼水準付きの境界を与えるとともに、ハイブリッド系をMDPとして近似して制御に応用する枠組みを示した。
