Marco Caccamo
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
- 安全なリアルタイムロボット制御のためのマイクロニューラルポリシーsim2real2026/10/6
進化戦略と統計的モデル検査を組み合わせて超小型ニューラルポリシーを合成し、マイコン上で安全なsim-to-real制御を実現した。
- LyEvO: リアプノフ誘導進化最適化による安全で堅牢なSim-to-Realポリシー学習sim2real2026/8/1
Lyapunov解析と進化最適化、統計的モデル検査を組み合わせ、シミュレーションから実世界への安全で堅牢なポリシー転送を実現するフレームワークを提案した。
- 滑らかな安全性構造化ポリシー合成による安全なオンライン学習安全強化学習2026/6/1
安全性監視と介入を行動生成に統合したポリシーアーキテクチャAutoSafeを提案し、性能追求と安全確保の行動を滑らかに切り替えることで、学習の滑らかさを保ちつつ安全性を確保する。
- 減衰残差方策最適化による実世界自動運転レースの効率化強化学習/自動運転2026/3/1
残差方策学習を拡張し、ベース方策を徐々に減衰させて単独のニューラル方策を得る手法を提案し、1/10スケールの自動運転レースでシミュレーションと実機の両方で性能を向上させた。
- 周辺予測から統合予測へ:自動運転のためのシーン整合的な軌道予測手法の評価軌道予測2025/7/1
自動運転における軌道予測で、各エージェントを独立に予測する周辺予測と、相互作用を考慮した統合予測の手法を体系的に比較し、精度・多様性・推論効率を評価した。
- 深層強化学習による固定翼UAVの連続空間カバレッジ経路計画経路計画2025/5/1
固定翼UAVのカバレッジ経路計画を連続環境で定式化し、曲率制約付きベジェ曲線と可変サイズ矩形で環境を表現、自己適応カリキュラムを用いたAM-SACで省電力な完全カバレッジ戦略を学習した。
- 野生環境における四足歩行ロボットのランタイム学習歩行2025/3/1
四足歩行ロボットが動的な野生環境で安全に適応できるよう、強化学習エージェントと検証可能な物理モデルベースの制御器を組み合わせたランタイム学習フレームワークを提案し、シミュレーションで有効性を示した。
- 物理モデル誘導による最悪ケースサンプリングを用いた安全強化学習安全強化学習2024/12/1
物理モデルを活用して安全上重要なコーナーケースを重点的にサンプリングし、安全な強化学習ポリシーを効率的に学習する手法を提案した。
- Simplex機構による安全な継続学習マシンsim2real2024/9/1
高性能だが未検証の強化学習エージェントと、物理モデルに基づく検証済みの安全教師をSimplex論理で切り替え、生涯安全性を保証しながら実機で継続学習する枠組みを提案。
- ROS 2自動運転ソフトウェア向けコンテナ化マイクロサービスアーキテクチャ:エンドツーエンド遅延評価自動運転/コンテナ2024/4/1
自動運転ソフトウェアをコンテナで分離したマイクロサービス構成にし、エンドツーエンド遅延やジッタ、リソース使用率を評価した。その結果、ベアLinuxより平均遅延が5〜8%改善し、最大遅延も大幅に削減できることを示した。
- 地図ベース経路計画のための強化学習における同変アンサンブルと正則化経路計画2024/3/1
強化学習において環境の対称性を活用するため、特殊なネットワーク部品を使わずに同変方策と不変価値関数を構築する同変アンサンブル法を提案し、訓練時の正則化項を加えることで、地図ベース経路計画タスクにおけるサンプル効率と性能を向上させた。
- RaceMOP: 残差方策学習を用いたマルチエージェント自律レースのためのマップレスオンラインパスプランニングマルチエージェント/経路計画2024/3/1
人工ポテンシャル場をベース方策とし、残差方策学習を組み合わせることで、地図なしで局所観測のみから高速な追い越しを行うマルチエージェントレース用プランナを提案した。
- F1TENTH自律走行の統一:サーベイ、手法、ベンチマーク自律走行2024/2/1
1/10スケールのF1TENTH自律走行研究をサーベイし、古典的手法と学習手法を整理してベンチマーク評価を提供した論文。
- 充電しながら学ぶ:深層強化学習によるUAVの被覆経路計画経路計画2023/9/1
バッテリー制約のあるUAVが充電を挟みながらエリア全体を効率的にカバーする経路を、PPOベースの深層強化学習で計画する手法を提案した。
- 鳥瞰図状態表現を用いた都市運転ポリシーの効率的学習自動運転/強化学習2023/5/1
自動運転の強化学習において、鳥瞰図表現と再帰的学習アーキテクチャを提案し、CARLAシミュレータで従来のフレームスタッキング法より効率的に学習できることを示した。
- 視覚サーボと力覚フィードバックによる柔軟な歯車組立マニピュレーション2023/3/1
YOLOによる粗位置推定と深層強化学習による挿入を組み合わせ、力覚フィードバックで遷移する歯車組立手法を提案し、0.3mmの精度で平均15秒の組立を実現した。
- 自律レースカーの車両制御のための残差方策学習制御/強化学習2023/2/1
古典的な経路追従制御器に学習ベースの残差制御を組み合わせ、F1TENTHシミュレータで平均4.55%のラップタイム短縮を実現した。
- 知覚シンプレックス:障害物検出故障下における自動運転車の検証可能な衝突回避自動運転/知覚2022/9/1
検証可能な古典的LiDAR障害物検出アルゴリズムを用いて、検証不能なDNNベース物体検出器の故障を検知し、衝突リスク時に是正動作を行うフォールトトレラントなアーキテクチャを提案した。
- 6IMPOSE: ロボット把持のための6D姿勢推定におけるリアルギャップの橋渡しsim2real2022/8/1
Blenderで合成RGBDデータを生成し、YOLO-V4と高速化PVN3Dを組み合わせたリアルタイム6D姿勢推定により、実環境でのロボット把持成功率87%を達成したフレームワーク。
- 検証可能な障害物検出自動運転/知覚2022/8/1
LiDARベースの古典的障害物検出アルゴリズムの能力に厳密な限界を定め、安全性検証を行い、実世界のセンサデータで実証した。
- Sim-to-Real深層強化学習のためのクラウド・エッジ訓練アーキテクチャsim2real2022/3/1
推論をエッジ、訓練をクラウドに分担する分散アーキテクチャで、シミュレーションで事前訓練した強化学習エージェントを実機上でリアルタイムに追加訓練し、現実ギャップを克服する手法を提案した。
- 自律階層マルチレベルクラスタリングによるマルチエージェント信念共有群制御2021/7/1
UAV群が離着陸で台数変化しても安定した階層クラスタを自律形成し、観測を集約・圧縮・配信して全エージェントに空間解像度付きの信念を共有する手法を提案。
- リスク順位付き再現率:自動運転車の物体検出システムにおける衝突安全指標物体検出2021/6/1
衝突リスクに基づいて物体を3段階にランク分けし、各ランクごとに再現率を測る新しい物体検出評価指標R³を提案した論文。
- 深層強化学習による複数UAVの無線データ収集経路計画群制御2020/10/1
複数のUAVがIoTデバイスからデータを収集する経路計画を、分散部分観測マルコフ決定過程として定式化し、深層強化学習で解く手法を提案した論文。
- グローバル・ローカルマップ情報を用いた深層強化学習によるUAV経路計画経路計画/強化学習2020/10/1
圧縮したグローバルマップと近傍の非圧縮ローカルマップを組み合わせた深層強化学習により、広域環境でも効率的に動作するUAV経路計画手法を提案し、被覆調査とデータ収集の異なるミッションで同一アーキテクチャのDDQNを訓練して有効性を示した。
- 都市環境におけるIoTデータ収集のためのUAV経路計画:深層強化学習アプローチUAV経路計画/強化学習2020/7/1
都市環境でIoTセンサからデータを収集するドローンの経路計画を、環境の多層マップを入力とするDDQNで学習し、センサ数や位置・飛行時間が変化しても汎化できる制御方策を実現した。
- 電力制約が変動する環境下での深層強化学習によるUAV被覆経路計画UAV経路計画2020/3/1
カメラ搭載UAVの被覆経路計画を、地図状入力を用いたDDQNで学習し、飛行可能時間の変動と禁飛行区域を考慮しつつ電力と被覆の両立を図る手法を提案した。
