Kimin Lee
KAIST
収録論文 27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
- RACE: 較正付き累積スコアによるロールアウト不要なロボット方策チェックポイント選択方策評価2026/11/4
実機ロールアウトなしで学習済みロボット方策のチェックポイントを評価するため、成功軌道を用いて状態条件付き閾値で行動偏差を較正し、累積積でスコア化する指標RACEを提案した。シミュレーションと実機でデプロイ性能との順位一致を改善した。
- MAPO: 交互方策最適化を用いた汎用人間型動作追従のためのエキスパート混合モデル動作追従2026/11/2
MoE方策の動的ルーティングによる方策更新時のダイバージェンス誤推定を避けるため、ルーターとエキスパートを交互に最適化するMAPOを提案し、多様な人間動作の追従精度を大幅に向上させた。
- 品質を制御できるロボット方策の反復的後知恵ラベリングによる学習模倣学習2026/10/27
実行速度や滑らかさなどの品質属性を推論時に制御できるロボット方策を提案し、目標品質でのオンライン試行と後知恵ラベリングの反復でデモ以上の品質を達成した。
- ACCRUE: ロボット基盤モデルのための継続的オフポリシー強化学習強化学習/継続学習2026/10/13
軽量なactor-criticネットワークをタスク間で引き継ぎ、過去の経験を再利用することで、ロボット基盤モデルが新タスクを効率的に学びつつ忘却をほぼゼロに抑える継続的オフポリシー強化学習フレームワークを提案。実機で学習時間を31〜68.5%削減。
- RoboWorld: 汎用ロボットポリシー評価のための高速で信頼性の高いニューラルシミュレータシミュレーション/評価2026/7/1
ビデオワールドモデルを用いてロボットポリシーを評価する自動パイプラインを提案し、新しいStep Forcing手法で長期的なロールアウトの信頼性を高め、実世界評価と高い相関を達成した。
- HABIT: ロボット操作のための人間認識行動とインタラクション訓練データセットデータセット/インタラクション2026/6/1
人間が存在する環境でのロボット操作のための大規模デモデータセットHABITを構築し、人間との協調・共有・指示の3役割でタスクを整理。人間存在データで訓練することで、人間認識行動が獲得できることを示した。
- SPACE: クロスロボットデータからの学習による汎用ポリシーの実現ロボット学習2026/6/1
異なるロボット間で共通の動作表現としてカルテシアン状態差分を用い、ロボットの動特性の違いを適応させるフレームワークSPACEを提案し、汎用ポリシーの学習と展開を改善した。
- 言語と自己中心視点の人間信号に基づく階層的ポリシーによる自然なヒューマンロボットインタラクションHRI2026/6/1
スマートグラスから得られる人間の視線やジェスチャーなどの非言語信号と言語指示を組み合わせてロボットを制御する階層的ポリシーを提案し、ユーザーの意図伝達の負担を軽減した。
- 単調な進捗を超えて:ロボット模倣のためのリトライ監視価値学習模倣学習2026/6/1
不完全なデモからリトライイベントを疎な監視として用い、誤りに敏感な価値関数を学習し、下流の行動クローニングの重み付けに活用するフレームワークを提案。実ロボット操作タスクで効果を実証。
- WarmPrior: 時間的先験情報によるフローマッチングポリシーの直線化ロボット制御/生成モデル2026/5/1
ロボット操作タスクにおいて、ガウス分布の代わりに最近の行動履歴から構築した時間的先験分布を生成ポリシーのソース分布として用いることで、成功率が向上することを示した論文。
- クロスビュー関係から学ぶ多視点空間推論VLA2026/3/30
多視点の空間推論能力を高めるための大規模データセットXVRを構築し、視覚言語モデルを微調整して、対応付け・検証・位置特定のタスクで性能を向上させ、ロボット操作にも効果があることを示した。
- 量より質:データ中心ロボット学習のための影響関数によるデモンストレーションキュレーションデータキュレーション2026/3/1
デモンストレーション学習において、検証データへの損失削減への貢献度を影響関数で推定し、高品質なデータを選別する手法QoQを提案。シミュレーションと実環境で既存手法より高い性能を達成。
- DEAS: 行動系列を用いた分離価値学習によるスケーラブルなオフライン強化学習オフライン強化学習2025/10/1
行動系列を価値学習に活用し、価値の過大評価を分離学習で抑えることで、長期的タスクのオフライン強化学習や大規模VLAモデルの性能を向上させる手法を提案。
- 探索を温めよう:大規模言語モデルによる幾何学的タスク・動作計画の誘導タスク・動作計画2025/6/1
大規模言語モデルの常識を活用し、MCTSをウォームスタートすることで幾何学的タスク・動作計画を効率化する手法を提案。
- セグメント化されたデモンストレーションからのサブタスク認識型視覚報酬学習報酬学習2025/2/1
アクションなしの動画デモをサブタスクに分割し、その区間を正解報酬として密な報酬関数を学習するREDSを提案。複雑な操作タスクでベースラインを大きく上回り、未知タスクや異なるロボットへの汎化も示した。
- 動画からの潜在行動事前学習VLA2024/10/1
ロボットの行動ラベルなしでインターネット規模の動画からVLAモデルを事前学習する手法を提案し、実世界のマニピュレーションタスクで既存手法を上回る性能を示した。
- プロンプタブル・ビヘイビア:人間の選好に基づく多目的報酬のパーソナライズVLA2023/12/1
多目的強化学習で単一の方策を訓練し、実演・軌道比較への選好フィードバック・言語指示の3手法で人間の選好を推定してロボットの行動をパーソナライズするフレームワークを提案。
- 適応的マルチモーダル報酬でエージェントを導く模倣学習2023/9/1
視覚観測と言語指示の類似度をCLIP空間で報酬として計算し、リターン条件付き方策を訓練することで、未知の指示への汎化性能を高める手法を提案。
- 選好トランスフォーマー:人間の選好をトランスフォーマーでモデル化する強化学習強化学習2023/3/1
人間の選好に基づく強化学習において、非マルコフ的報酬の重み付き和として選好をモデル化するトランスフォーマーアーキテクチャを提案し、実人間の選好を用いた制御タスクで従来法を上回る性能を示した。
- マルチビュー・マスク付きワールドモデルによる視覚的ロボットマニピュレーションマニピュレーション2023/2/1
複数視点の映像からマスク付きオートエンコーダで表現を学習し、その表現上でワールドモデルを構築することで、視覚的ロボット操作を効率的に行う手法を提案した論文。
- 制御可能性を考慮した教師なしスキル発見強化学習2023/2/1
現在のスキルで達成しにくい状態遷移を優先する距離関数を導入し、複雑で制御が難しいスキルを教師なしで発見する手法CSDを提案。ロボット操作・移動環境で多様な複雑スキルを獲得できることを示した。
- マルチモーダルTransformerによる指示追従エージェントVLA2022/10/1
視覚観測と言語指示をマルチモーダルTransformerで符号化し、Transformerベースのポリシーで行動を自己回帰的に予測する、シンプルながら高性能な指示追従ロボットモデルを提案した。
- 視覚制御のためのマスク付きワールドモデルモデルベース強化学習2022/6/1
視覚表現学習とダイナミクス学習を分離し、マスク付き畳み込み特徴とViTで再構成するオートエンコーダと潜在ダイナミクスモデルを組み合わせた視覚モデルベース強化学習フレームワークを提案。Meta-worldとRLBenchの多様な視覚ロボットタスクで最先端性能を達成。
- より汎化可能なワンショット視覚模倣学習に向けて模倣学習2021/10/1
多様な7タスク61バリエーションの視覚ロボット操作ベンチマークを構築し、マルチタスク設定でのワンショット模倣学習の汎化性能を検証。自己注意と時間的コントラスト学習を組み合わせたMOSAICを提案し、新規タスクへの適応性能を向上させた。
- 教師なし強化学習ベンチマークURLB強化学習ベンチマーク2021/10/1
報酬なし事前学習と下流タスク適応の2段階からなる教師なし強化学習の統一ベンチマークURLBを提案し、8手法を比較評価した。
- スキル選好:人間フィードバックからロボットスキルを抽出・実行する学習スキル抽出2021/8/1
人間の選好モデルを学習してオフラインデータから人間の意図に沿ったスキルを抽出し、さらに人間フィードバックを用いた強化学習で複雑な多段階操作タスクを解く手法SkiPを提案した。
- バランスリプレイと悲観的Qアンサンブルによるオフラインからオンラインへの強化学習オフライン→オンラインRL2021/7/1
オフライン強化学習で得た方策をオンライン微調整する際の分布シフトによる誤差を、オンライン優先とオフライン近傍サンプルを併用するバランスリプレイと悲観的Qアンサンブルで抑え、歩行・操作タスクでの効率と性能を向上させた論文。
