Krishan Rana
収録論文 15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
- Real-is-Sim: 動的デジタルツインによるSim-to-Realギャップの橋渡しsim2real2025/4/1
動的デジタルツインを介して実機とシミュレーションを60Hzで同期させ、ポリシーを常にシミュレータ上で実行することでSim-to-Realギャップを解消する行動クローニング手法を提案。
- IMLEポリシー:暗黙的最大尤度推定による高速でサンプル効率の良い視覚運動ポリシー学習模倣学習2025/2/1
暗黙的最大尤度推定(IMLE)に基づく行動クローニング手法を提案し、少ないデモデータで複雑なマルチモーダル行動を学習しつつ、1ステップで行動生成を行うことで拡散ポリシーより97.3%高速な推論を実現した。
- 共有・動的環境向けマルチモーダル3Dシーングラフ更新器シーングラフ2024/11/1
人間・ロボット知覚・時間・行動などのマルチモーダル入力を使い、動的環境で3Dシーングラフをリアルタイムに更新する枠組みを提案した。
- 10回のデモから学ぶ:指向性アフォーダンスフレームによる汎化可能でサンプル効率の良い方策学習模倣学習2024/10/1
指向性アフォーダンスフレームという構造化表現を用いて、わずか10回のデモから汎化性能の高いロボット方策を学習し、長期・複数物体タスクをサブ方策の合成で解決する手法を提案。
- 物理的に身体化されたガウススプラッティング:ロボティクス向けのリアルタイム修正可能な世界モデル世界モデル2024/6/1
粒子と3Dガウシアンの二重表現で物体の形状・物理・見た目を同時にモデル化し、予測シミュレーションと視覚観測によるオンライン修正を両立させた世界モデルを提案。3カメラのみで30Hzのリアルタイム動作を実現した。
- RoboHop: セグメントベースのトポロジカルマップ表現によるオープンワールド視覚ナビゲーション視覚ナビゲーション2024/5/1
画像セグメントをノードとするトポロジカルグラフを構築し、自然言語クエリによる物体探索とセグメント間のホップとしてナビゲーション計画を生成する手法を提案。
- LHManip: 散らかった卓上環境における長期的言語指示マニピュレーションタスクのデータセットマニピュレーション2023/12/1
実ロボットの遠隔操作で20種類の長期的マニピュレーションタスクを200エピソード収集し、言語指示とマルチカメラ視点を付与したデータセットを構築した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- SayPlan: 3Dシーングラフを用いた大規模言語モデルのロボットタスク計画への接地タスク計画2023/7/1
3Dシーングラフを活用し、大規模言語モデルによる多階層・多部屋環境でのロボットタスク計画を実現する手法を提案。
- ロボット学習のための言語・行動・状態の対照的事前学習VLA2023/4/1
言語・行動・状態を共有埋め込み空間で結びつけるCLASPを提案し、ゼロショット検索やキャプション生成、言語条件付き強化学習の事前学習で有効性を示した。
- 残差スキルポリシー:ロボティクス強化学習のための適応可能なスキルベース行動空間の学習マニピュレーション2022/11/1
状態条件付き生成モデルでスキル空間の探索を加速し、低レベル残差ポリシーで未知のタスク変種に適応する手法を提案。4つのマニピュレーションタスクで有効性を実証。
- 不確実性を考慮したシミュレーション学習方策の実機ゼロショット展開sim2real2021/12/1
深層強化学習方策と従来の手設計コントローラをベイズ的に融合し、不確実性に応じて切り替えることで、ゼロショットのsim2real転移を実現した研究。
- ベイズ制御融合:ロボティクス深層強化学習における制御事前知識の活用強化学習/ハイブリッド制御2021/7/1
従来の手設計制御器と深層強化学習を不確実性を考慮して融合し、安全な探索と制御事前知識を超える性能を実現するハイブリッド制御手法を提案。
- 乗算的コントローラ融合:アルゴリズム事前分布を活用したサンプル効率の高い強化学習と安全なSim-to-Real転移sim2real2020/3/1
既存の準最適なアルゴリズム制御器を事前分布として強化学習に融合させ、探索初期のガイドでサンプル効率を高めつつ、不確実な状態では事前制御器にフォールバックすることでファインチューニングなしの安全な実機転移を実現した。
- 残差強化学習による未知環境対応ナビゲーションナビゲーション2019/9/1
古典的制御器に残差制御を学習で上乗せし、不確実性に応じて古典制御へ切替えることで未知環境でも効率的に移動できるナビゲーション手法を提案した。
