Kevin Sebastian Luck
Vrije Universiteit Amsterdam
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
- UniOMA:最適輸送によるロボット知覚のための統合マルチモーダル構造アライメントマルチモーダル知覚2026/11/9
対比損失にGromov-Wasserstein距離ベースの正則化を加え、力覚や触覚を含むモダリティ間の構造的一貫性を高めるマルチモーダル整合法を提案し、5つのロボットベンチマークで性能向上を示した。
- S情報を用いたロボット制御のための世界モデル学習世界モデル2026/11/9
LeWorldModelに後向きダイナミクス予測と逆ダイナミクス行動予測の2つの潜在損失を追加し、潜在表現の構造化により性能と計画効率を向上させる手法を提案した。
- TeNet: テキストからコンパクトなポリシーを合成するネットワークVLA2026/1/1
大規模言語モデルのテキスト埋め込みをハイパーネットワークに入力し、自然言語指示から直接コンパクトで実行可能なロボットポリシーを生成する手法を提案。実行時は低次元状態のみで高速制御を実現する。
- MoDeSuite:変形可能物体を用いた移動マニピュレーションを評価するロボット学習タスクスイート移動マニピュレーション2025/7/1
変形可能物体を扱う移動マニピュレーションのための8つのタスクからなる初の標準ベンチマークを提案し、強化学習・模倣学習アルゴリズムの評価とSpotロボットへのsim-to-real転移を示した。
- 教師なし特徴選択による透明な報酬モデルの学習逆強化学習2024/10/1
専門家のデモデータから、自動選択した状態特徴を用いて明示的な形のコンパクトな報酬関数を推定し、強化学習で専門家に近い方策を学習する手法を提案した論文。
- 共模倣:模倣による設計と行動の学習sim2real2022/9/1
報酬関数を使わずに、実演者の状態分布に合わせることでロボットの身体形状と行動方策を同時に獲得する共模倣手法を提案し、人間の歩行・ジョギング・キック動作をシミュレーション上のヒューマノイドに転移できることを示した。
- 必要なロボットは何か?グラフニューラルネットワークによる形態と制御の高速共適応形態共適応2021/11/1
深層NNとグラフNNを組み合わせ、限られた製造サイクル内でロボットの形態と制御をデータ効率的に共適応させる手法を提案し、シミュレーションで有効性を示した。
- 残差学習による接触を伴うマニピュレーションのためのDMP適応マニピュレーション2020/8/1
DMPによる接触を伴う挿入タスクを強化学習で残差補正し、タスク空間で全姿勢を扱うことで成功率と汎化性能を向上させる枠組みrLfDを提案した。
- 深層強化学習による形態と行動のデータ効率的な共適応形態共適応2019/11/1
Soft Actor-Criticを基に、過去に試した形態と行動の情報を活用して新しい形態の性能を推定し、ロボットの形態と制御器を少ない試作回数で自動的に共適応させる手法を提案した。
- 潜在軌道最適化によるDDPGの探索改善強化学習2019/11/1
画像の潜在埋め込み上でモデルベース軌道最適化を探索に用い、DDPGと相互補完的に組み合わせて連続制御タスクと実機ロボットの挿入作業で評価した研究。
- 実験室から砂漠へ:ロボット歩行の高速プロトタイピングと学習歩行2017/6/1
ラミネート製法とサンプル効率の良い強化学習を組み合わせ、ウミガメに着想を得たヒレ可変式の低コスト這行ロボットを開発し、屋内とアリゾナ砂漠で学習実験を行った。実験室で作った静的方策は自然環境では通用しないが、強化学習は環境やロボットの変化に迅速に適応できることを示した。
