Matthew E. Taylor
収録論文 7本 ・ フィジカルAI/ロボット学習
自動運転・ヒューマンマシン協調Human-in-the-Loop強化学習テレオペレーション強化学習強化学習/汎化自動運転モデルベース強化学習
※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
- ゲーム理論に基づく運転引き継ぎのための適応的遷移フレームワーク自動運転・ヒューマンマシン協調2025/10/1
自動運転から人間への制御引き継ぎにおいて、ドライバーの追従能力と時間に応じて制御権限を動的に調整する協調微分ゲームベースの適応的遷移戦略を提案し、軌道誤差と運転負荷の低減を実証した。
- 実世界のHuman-in-the-Loop深層強化学習を設計するための体系的手法:顕著な特徴、課題、トレードオフHuman-in-the-Loop強化学習2025/4/1
人間の入力(報酬・行動・実演)を統合した多層階層型HITL強化学習アルゴリズムを提案し、敵ドローン迎撃UAV問題で有効性を検証した。
- データ駆動型テレオペレーションにおける非線形アクションマップの利点の検証テレオペレーション2024/10/1
低次元コントローラと多自由度マニピュレータ間の写像を学習する際、非線形な奇関数アクションマップを提案し検証したが、従来手法に対する明確な優位性は見られなかった。
- 準最適データを活用したヒューマン・イン・ザ・ループ強化学習強化学習2024/5/1
低品質なデータに最小報酬を疑似ラベル付けして報酬モデルを事前学習し、人間のフィードバックを減らして強化学習の効率を高める手法SDPを提案。
- MaDi: 視覚深層強化学習の汎化のための妨害マスキング学習強化学習/汎化2023/12/1
報酬信号のみを用いて、タスクに無関係な視覚的妨害をマスクする軽量なMaskerネットワークを強化学習エージェントに追加し、未知環境への汎化性能を向上させた研究。
- NeurIPS 2022 コンペティション: Driving SMARTS自動運転2022/11/1
自動運転における分布シフト問題に取り組むため、実世界データとシミュレータSMARTSを組み合わせた2トラックの競技会を開催し、強化学習やオフライン学習など多様な手法を比較評価した。
- モデル不変状態抽象化によるモデルベース強化学習モデルベース強化学習2021/2/1
行動の影響が局所的である因果的疎性を利用し、未見状態への組合せ的汎化を可能にする新たな状態抽象化「モデル不変性」を提案し、MuJoCo Humanoid等でサンプル効率の向上を示した論文。
