Krishnan Srinivasan
Toyota Research Institute
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
- 動画生成とロボット制御を単一バックボーンで統合するTAPESTRYVLA2026/10/27
事前学習済み動画拡散Transformerを再利用し、ロボットの行動を動画の潜在空間における単一パッチトークンとして扱うことで、推論時の動画生成なしに高速な行動生成を実現したワールドアクションモデル。
- 潜在記憶宮殿:制御のための推論を自己回帰変分推論として捉える制御/強化学習2026/7/1
連続制御ポリシーに適応的な推論能力を持たせるため、自己回帰潜在空間での変分推論として推論を定式化し、潜在空間強化学習で変分下界を最適化する手法を提案した。
- マルチタスク巧みな操作のための大規模行動モデルの慎重な検証マニピュレーション2025/7/1
大規模行動モデル(LBM)をシミュレーションと実世界で厳密に評価し、マルチタスク事前学習が単一タスクより成功率・堅牢性・データ効率を高めることを統計的に示した。
- 掴みを極める:大規模多指把持評価によるロバストなsim-to-real転移マニピュレーション2024/10/1
350万件の把持データセットを公開し、視覚ベースの把持評価器を学習させることで、多指ロボットハンドの実世界把持を高精度に実現した。
- 接触の多い微分可能シミュレーションにおける適応的ホライズンアクター・クリティック強化学習2024/5/28
剛体接触を含む微分可能シミュレーションで、モデルベースのホライズンを適応的に調整して勾配誤差を減らす強化学習アルゴリズムを提案し、歩行タスクで既存手法より40%高い報酬を達成した。
- 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。
- クラウド上のロボット競技会:Real Robot Challengeマニピュレーション2021/9/1
遠隔操作可能な3本指ロボットプラットフォームを構築し、世界中のチームが参加できる器用な物体操作の競技会を開催した。競技で収集した数百時間分のデータセットも公開している。
- 支援ロボットを直感的に操作するための潜在行動の学習支援ロボット操作2021/7/1
7自由度アームの高次元動作を低次元の潜在行動に埋め込み、ジョイスティック操作と組み合わせて支援ロボットを直感的に操作できるようにした研究。
- 実機ロボットチャレンジのための巧みな操作プリミティブマニピュレーション2021/1/1
把持・回転・再配置の3プリミティブにタスクを分解し、モデルベースの軌道最適化と状態機械で実機の直方体操作を堅牢に実行した。
- 安全を学ぶ:安全クリティックを用いた深層強化学習安全強化学習2020/10/1
安全な環境で安全性を学習し、その直感を新たなタスクの制約に転移する安全制約付き転移学習を提案。ナビゲーション・四足歩行・器用な手先操作で、事故を大幅に減らしつつ学習を高速化・安定化できることを示した。
- Recovery RL:学習した回復ゾーンを用いた安全な強化学習安全強化学習2020/10/1
オフラインデータから制約違反領域を事前学習し、タスク方策と回復方策を分離することで、探索と安全性のトレードオフを効率的に両立させる安全強化学習手法を提案。
- 階層制御による堅牢な把持内操作の学習マニピュレーション2019/10/1
低レベルにモデルベース制御、中レベルに学習ポリシーを置く階層手法で、指先での物体の持ち替えやスライド・反転を堅牢に実行できることを示した。
- 学習した潜在アクションで支援ロボットを操作する遠隔操作2019/9/1
支援ロボットの操作を簡単にするため、タスク実演から低次元の潜在アクションを学習し、ユーザーが少ない自由度で高次元の腕を動かせる遠隔操作手法を提案した。食事・調理タスクのユーザー実験で既存手法より効率的に操作できることを示した。
- 視覚と触覚を統合したマルチモーダル表現学習による接触の多い操作タスクマルチモーダル表現学習2019/7/1
自己教師あり学習で視覚と触覚のコンパクトなマルチモーダル表現を獲得し、ペグ挿入タスクにおける強化学習のサンプル効率と汎化性能を向上させた研究。
- 視覚と触覚を統合する自己教師ありマルチモーダル表現学習による接触の多い操作マルチモーダル/触覚2018/10/1
視覚と触覚の入力を自己教師あり学習でコンパクトなマルチモーダル表現にまとめ、強化学習のサンプル効率を高めてペグ挿入タスクを実機でも安定してこなせるようにした研究。
