Max Simchowitz
Carnegie Mellon University
収録論文 23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
- 強化学習による汎用ロボットポリシーのマルチタスク自己改善スケーリング強化学習2026/11/4
汎用ロボットポリシーを展開時に強化学習で多様なタスクへ同時に自己改善できるか検証し、価値推定や資源配分の設計次第で未学習タスクにも汎化することを示した。
- 検証損失を超えて：ロボット方策の事前学習におけるカバレッジと信頼性のダイナミクスロボット方策事前学習2026/11/1
ロボット方策の事前学習で、pass@1では見えない大規模kのpass@kが事後学習性能の差やカバレッジと信頼性のトレードオフを明らかにし、オフラインのチェックポイント選択基準と生成データ拡張を提案した。
- VaDar: 価値分解による暗黙的ゴール条件付け強化学習2026/10/19
サブゴールごとのクリティック価値の線形結合を最大化する単一ポリシーを学習し、展開時のサブゴール選択を不要にした強化学習手法。RoboCasaの長期的タスクを初めて解決。
- 離散行動はいつ連続制御器として優れているのか？VLA2026/10/14
ロボット基盤モデルにおける連続行動表現の優位性を問い直し、離散行動予測がタスク成功率で連続行動方策に匹敵または凌駕することを示した。
- キュレーション不要の記憶：ロボットポリシーのためのマルチストリーム潜在記憶学習VLA2026/10/9
視覚・行動・固有感覚などの複数ストリームを潜在記憶に圧縮し、推論時に逐次更新することで、低遅延かつショートカット学習を避けつつVLAモデルを長期記憶で拡張するフレームワークIMPRINTを提案。
- ワークスペースモデル：顕著性駆動型監督による軽量ロボットメモリマニピュレーション2026/9/17
訓練時にVLMでタスクに必要な情報を抽出し、軽量な潜在メモリ「ワークスペーストークン」に蒸留することで、展開時にVLM推論なしで記憶を要する操作タスクを解けるようにした。
- 最小データでの汎用ロボットポリシーの適応強化学習2026/8/1
事前学習済みのロボットポリシーが、1回のデモンストレーションと自律的なオンライン相互作用だけで新しいタスクを学習できるようにする、オフラインからオンラインへの強化学習手法MiDASを提案した。
- 二重プレコンディショニング（DoPr）：検証損失ではなくテスト時性能のための最適化最適化2026/6/4
自己回帰生成やロボットポリシー学習など、予測を繰り返す展開時に誤差が蓄積する問題に対し、勾配と活性化の両方を前処理する新しい最適化手法DoPrを提案し、テスト時性能を向上させる。
- FADA: ダイナミクス整合による少数ショット領域適応を用いたヒューマノイド制御ヒューマノイド制御2026/6/1
ヒューマノイド制御における領域間のダイナミクス不整合に対処するため、プランナーと逆動力学モデルを分離し、少数の実機データでIDMのみを微調整するフレームワークを提案した。
- ナノ・ワールドモデル：未来動画予測のミニマル実装世界モデル2026/5/17
拡散フォーシングを中心とした、将来のビデオ予測のためのコンパクトで再現可能なコードベースを提供し、世界モデルの設計選択を制御された方法で研究できるようにした。
- ビデオモデルを汎用ロボットポリシーへ変換するVLA2026/5/1
ビデオ生成モデルをそのまま使い、逆動力学モデル(IDM)を個別に学習してビデオ計画を行動に変換する手法を提案。シミュレーションと実世界で高い性能を示した。
- OGPO: 生成制御ポリシーのサンプル効率的な完全ファインチューニングロボット学習2026/5/1
拡散やフローベースの生成制御ポリシーを、オフポリシーな批判ネットワークとPPO目的関数を用いて効率的にファインチューニングする手法OGPOを提案し、操作タスクで最先端の性能を達成した。
- ノイズは無用の長物か？生成的ロボット制御の神話を覆す模倣学習2025/12/1
生成的制御ポリシーの成功要因を検証し、多様性や複雑な写像ではなく、中間ステップの教師あり学習と適度な確率性を伴う反復計算が本質だと示した。軽量な2段階回帰ポリシーがフローモデルと同等の性能を達成することを明らかにした。
- 平滑化された接触ダイナミクスに対する線形フィードバックは接触の多い計画を安定化するのに十分か？マニピュレーション2024/11/1
接触平滑化を用いた微分可能シミュレータによる線形制御器合成の有効性を、双腕全身マニピュレーションの300以上の軌道で検証し、LQRでは接触の多い計画の安定化に不十分である理由を分析した。
- ロボット配置空間における無衝突凸ポリトープ生成の高速化アルゴリズム動作計画2024/10/1
ロボットの配置空間で衝突のない凸領域を効率的に生成する2つの新アルゴリズムを提案し、従来手法より大幅な高速化と調整容易性を実現した。
- 拡散方策の政策最適化VLA2024/9/1
拡散モデルベースの方策を強化学習の政策勾配法でファインチューニングするDPPOを提案し、ロボット操作タスクで高い性能と安定性を示した。
- 拡散強制：次トークン予測と全系列拡散の融合生成モデル2024/7/1
各トークンに独立なノイズレベルを与えて拡散モデルを訓練する新手法を提案し、次トークン予測と全系列拡散の長所を組み合わせて可変長生成や計画タスクで性能を向上させた。
- ポリシーマージによるロボット群学習群制御2023/10/1
分散した異種データから効率的にポリシーを統合するFLEET-MERGEを提案し、Meta-Worldの50タスクと新ベンチマークFLEET-TOOLSで有効性を示した。
- RePo: 事後予測可能性の正則化による堅牢なモデルベース強化学習モデルベース強化学習2023/9/1
視覚モデルベース強化学習において、観測から潜在表現への情報流を制約することで背景の乱れに強い表現を学習し、さらに報酬なしのアライメントでテスト時適応を可能にした手法を提案。
- 解析的逆運動学を用いた拘束付き両腕プランニングマニピュレーション2023/9/1
両手で物体を保持する両腕ロボットの動作計画において、逆運動学の解析解で配置空間を低次元化し、サンプリングベースや軌道最適化などの既存手法を適用可能にした。
- 測地凸集合グラフによる非ユークリッド運動計画運動計画2023/5/1
リーマン多様体上の配置空間を測地凸集合のグラフで表現し、混合整数凸最適化に帰着させることで、移動ロボットや連続回転関節を含む系の衝突回避軌道を大域最適に近い形で計画する手法を提案した。
- 微分可能シミュレータはより良い方策勾配を与えるか？方策勾配2022/2/1
微分可能シミュレータの一次勾配推定が剛性や不連続性で劣化することをバイアス・バリアンスの観点から分析し、一次と零次の利点を組み合わせたα次勾配推定器を提案した論文。
- 逐次除去法による適応的ロボットセンシング探索・センシング2018/9/1
移動ロボットが背景ノイズの多い環境で信号源を効率的に探索するため、大域的な軌道計画と信頼区間を組み合わせたAdaSearchアルゴリズムを提案し、シミュレーションと実機で有効性を示した。
