Lillian J. Ratliff
Amazon
収録論文 6本 ・ フィジカルAI/ロボット学習
所属歴(論文より): Amazon(〜2026) / The University of Texas at Austin(〜2026)
VLA強化学習/マニピュレーション全身制御人間ロボットインタラクションマルチエージェント強化学習
※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
- 統合世界行動言語モデルによる身体性ロボット制御VLA2026/10/20
動画・行動・言語を単一の共有表現で学習し、言語生成を記憶として再利用する統合モデルUniWALMを提案。外部プランナーなしで記憶依存タスクを改善。
- フロー反転アクションアンカーによるサンプル効率の高い強化学習方策改善強化学習/マニピュレーション2026/10/16
フローマッチング方策のノイズ空間を流れの反転で状態条件付き潜在アンカーに変換し、その周辺で粒子探索と価値誘導サンプリングを行うことで、実機マニピュレーションの成功率とサンプル効率を向上させた研究。
- LIMBO: 俊敏かつ安全な全身制御のためのモデルフリー障壁目的の学習と内部化全身制御2026/9/18
黒箱遷移から状態行動制御障壁関数を学習し、その安全構造をタスク方策に蒸留することで、オンライン安全フィルタなしに人型ロボットの全身制御を安全かつ俊敏に実現するフレームワーク。
- 共形リスク制御を用いた人間とロボットのインタラクションのための安全な確率的計画人間ロボットインタラクション2026/3/1
制御バリア関数と共形リスク制御を組み合わせ、人間の複雑な行動を考慮しつつ安全性を保証する確率的枠組みを提案。インタラクション文脈に応じて安全マージンを動的に調整し、衝突率を低減する。
- TOPReward: トークン確率を隠れたゼロショット報酬として用いるロボティクスVLA2026/2/1
事前学習済み動画言語モデルのトークン確率を利用し、タスク指示に対する進捗を密な報酬として推定する訓練不要の手法を提案。実世界の操作ベンチマークで従来の訓練不要手法を上回る性能を示した。
- 競争的自動カリキュラムにおける創発的行動のためのシュタッケルベルクゲームマルチエージェント強化学習2023/5/1
2人マルチエージェント強化学習をリーダーとフォロワーの階層構造を持つシュタッケルベルクゲームとして定式化し、リーダーの優位性を利用して環境の非対称性を緩和し、より洗練された協調戦略の学習を可能にするST-MADDPGを提案した。
