Matthieu Geist

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

• FALCON-S: 固定翼地面効果空力シミュレータと飛行制御学習スイート
  シミュレーション/飛行制御2026/9/5

  固定翼航空ロボットの地面近くでの飛行制御開発・評価のための高忠実度シミュレーションフレームワークを提案。6自由度物理、地面効果空力、センサノイズ等をモデル化し、RL学習や最適制御の並列実行を可能にする。

• RL-AVIST: 宇宙ターゲットの自律的視覚検査のための強化学習
  宇宙ロボティクス2025/10/1

  月軌道ゲートウェイなどの宇宙ターゲット周辺での6自由度近接マヌーバを、モデルベース強化学習（DreamerV3）で訓練し、モデルフリー手法（PPO, TD3）と比較評価した。

• 宇宙ロボティクスベンチ：地球を超えたロボット学習
  sim2real2025/9/1

  宇宙環境でのロボット学習のためのオープンソースシミュレーションフレームワークを提案し、多様なベンチマークタスクと強化学習のベースラインを提供する。

• 共通ノイズ付き平均場ゲームのための母集団適応型オンラインミラー降下法
  マルチエージェント強化学習2025/9/1

  共通ノイズや未知の初期分布に対応するため、深層強化学習とオンラインミラー降下法を組み合わせ、母集団依存のナッシュ均衡を効率的に学習する手法を提案した。

• 自律的なレゴリス掘削のためのツール認識型適応コンプライアント制御の学習
  マニピュレーション2025/9/1

  並列シミュレーション上でモデルベース強化学習エージェントを訓練し、多様な掘削ツールと月面地形に適応するため剛性と減衰を動的に調整する制御戦略を学習させた。

• Sim2Dust：粒状媒体上での動的ウェイポイント追従を実現する
  sim2real2025/8/1

  ランダム化した物理シミュレーションで強化学習エージェントを訓練し、月面模擬環境の実機ローバーへゼロショット転移することで、粒状地形上での動的ウェイポイント追従を可能にした。

• RoboRAN: 強化学習ベース自律ナビゲーションのための統合ロボティクスフレームワーク
  sim2real2025/5/1

  陸・海・空・宇宙など多様なロボットプラットフォームで強化学習によるナビゲーション方策を訓練・評価・実機展開できる統一フレームワークを提案し、sim-to-real転移と横断的評価基盤を実現した。

• 宇宙での自律ペグインホール組立に向けた手続き的生成の活用
  sim2real2024/5/1

  手続き的生成とドメインランダム化を組み合わせ、多様なシミュレーション環境で深層強化学習エージェントを訓練し、宇宙での自律的なペグインホール組立の汎化性と適応性を向上させる手法を提案した。

• DRIFT: 深層強化学習による知的浮遊プラットフォームの軌道制御
  sim2real2023/10/1

  深層強化学習を用いて、シミュレーションと実環境の両方で浮遊プラットフォームを制御するスイートを開発し、不確実な環境下での精密な軌道制御を実現した。

• 分布に戻れ：リターン・トゥ・ディストリビューション計画によるロバスト模倣
  模倣学習/マニピュレーション2023/5/1

  専門家データと実環境の分布ずれに対処するため、模倣方策と「専門家分布に戻す」プランナを組み合わせたPOIRを提案し、操作タスクで初期状態やノイズに対するロバスト性を示した。

• 極値Q学習：エントロピーを使わない最大エントロピー強化学習
  強化学習2023/1/1

  極値理論を用いて最大Q値を直接モデル化し、方策やエントロピーを必要としないオンライン・オフラインのMaxEnt Q学習アルゴリズムを提案。D4RLベンチマークで優れた性能を達成。

• デモンストレーションからの行動量子化による連続制御
  強化学習2021/10/1

  人間のデモンストレーションから連続行動空間を離散化し、その離散行動を用いて強化学習や模倣学習を行う手法を提案した論文。

• HERONの訓練法：2Dレーザーによる湖岸・河岸航行のゼロショットRL
  sim2real2021/2/1

  2Dレーザースキャナのみを用い、シミュレーションでモデルベース強化学習とドメインランダム化により湖岸・河岸追従を学習し、実機の無人水上艇でゼロショット適用に成功した。

• 局所方策探索の任意の局所最適解が持つ大域的性能保証
  強化学習2013/6/1

  局所方策探索で得られる任意の（近似）局所最適解が、大域的な性能保証を満たすことを示し、直接方策反復との比較や実用的・理論的含意を議論した論文。

• 適格度トレースを用いたオフポリシー学習のサーベイ
  強化学習2013/4/1

  マルコフ決定過程におけるオフポリシー学習の手法を統一的に整理し、既存アルゴリズムの適応と新拡張を導出して収束性と実験的挙動を比較したサーベイ論文。