Matteo Turchetta

収録論文 10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

• 非線形システムのための安全保証付き探索
  安全探索2024/2/1

  未知の制約下で非線形システムを安全に探索するための枠組みを提案し、モデル予測制御を用いた効率的なアルゴリズムSageMPCを開発した。

• 安全な被覆制御のための準最適マルチエージェント学習
  群制御2022/10/1

  未知の密度と安全制約下で、マルチエージェントが被覆を最大化しつつ安全を保証する準最適アルゴリズムを提案。

• GoSafe: 大域的最適な安全ロボット学習
  安全学習2021/5/1

  SafeOptの探索範囲を初期安全領域外に拡張し、学習したバックアップ制御器で安全を確率的に保証しながら大域最適解への収束条件を導出、実機実験で検証した。

• ベイズ最適化による安全で効率的なモデルフリー適応制御
  適応制御2021/1/1

  安全でサンプル効率の高いベイズ最適化アルゴリズムGoOSEを改良し、システムデータのみから低レベル制御器をチューニングするモデルフリー適応制御手法を提案、回転運動系で数値的・実験的に有効性を示した。

• カリキュラム誘導による安全な強化学習
  安全強化学習2020/6/1

  自動インストラクタが危険時にリセット制御器を起動してエージェントを守りつつ、その選択方策（カリキュラム）を学習して安全かつ効率的な学習を実現する手法を提案。

• 対話型機械学習のための安全な探索フレームワーク
  安全探索2019/10/1

  既存の対話型機械学習アルゴリズムを安全にするアドオン型フレームワークを提案し、ガウス過程事前分布の正則性仮定を利用して必要な安全領域のみを効率的に探索する。

• 多目的ベイズ最適化によるロバストなモデルフリー強化学習
  sim2real2019/10/1

  制御理論の遅延余裕とゲイン余裕をロバスト性指標としてデータから推定し、多目的ベイズ最適化で性能とロバスト性のトレードオフを取るモデルフリー強化学習手法を提案し、Furuta振り子のsim2realと実機実験で有効性を示した。

• 強化学習と模倣学習を組み合わせたサンプル効率の良い地図なしナビゲーション
  ナビゲーション2018/5/1

  専門家のデモンストレーションで事前学習してから強化学習で微調整することで、地図なしナビゲーションの学習を5倍効率化し、実機でも汎化する方策を実現した。

• 安全な探索を実現する学習ベースモデル予測制御
  モデル予測制御2018/3/1

  ガウス過程による不確実性推定と終端集合制約を組み合わせ、確率的な安全保証を備えた学習ベースMPCを提案し、動的システムの安全かつ効率的な探索を実現した。

• ガウス過程を用いた有限マルコフ決定過程における安全な探索
  安全探索2016/6/1

  未知の安全制約下で有限MDPを安全に探索するアルゴリズムを提案し、安全到達可能領域を制約違反なく完全探索できることを証明した。ローバによる未知地図探索で実証した。