Kaylee Burns
Stanford University
収録論文 6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
- SpeedTuning: 軽量強化学習によるポリシー実行の高速化操作/強化学習2026/8/1
模倣学習で得た操作ポリシーの実行速度を、追加データ収集なしで強化学習により最適化し、成功率を保ちつつ2.4倍以上の高速化を実現するフレームワークを提案した。
- RoboCrowd: クラウドソーシングによるロボットデータ収集のスケーリングデータ収集2024/11/1
クラウドソーシングとインセンティブ設計でロボット模倣学習用の人間デモデータ収集を分散・拡張する枠組みを提案し、大学カフェでの2週間実験で200人以上から800エピソード超を収集した。
- GenCHiP: 高精度・接触リッチなマニピュレーションタスクのためのロボットポリシーコード生成マニピュレーション2024/4/1
LLMによるロボットポリシーコード生成を、接触力や剛性の制約を考慮した行動空間の再パラメータ化により高精度・接触リッチなタスクへ拡張し、FMBやNISTタスクボードで成功率を大幅に改善した。
- ロバストなマニピュレーションに有効な事前学習済み視覚表現の特性マニピュレーション2023/12/1
15の事前学習済み視覚モデルを比較し、マニピュレーションの分布シフトに対するロバスト性を決める要因を分析した。ViTでは創発的なセグメンテーション能力が分布外汎化の強い予測因子であることを示した。
- 異なる制御周波数でのオフライン強化学習オフライン強化学習2022/7/1
制御周波数が異なるオフラインデータを混ぜて強化学習する際の問題を分析し、NステップリターンのNを離散化サイズに応じて調整することで学習を安定化させる手法を提案した。
- 暗黙的キネマティックポリシー:エンドツーエンドロボット学習における関節空間と直交空間の統合マニピュレーション2022/3/1
観測と行動を入力とする暗黙的模倣学習を活用し、同じ行動を関節空間と直交空間の両方でポリシーに提示することで、各空間の帰納的パターンを学習させるIKPを提案。シミュレーション実験で複雑なマニピュレーションタスクにおいてベースラインより優れ、関節エンコーダのオフセット補正も学習できることを示した。
