Michael Ahn
収録論文 8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
- VADER: マルチロボット・人間協調のための視覚的アフォーダンス検出とエラー回復VLA2024/5/1
視覚的アフォーダンス検出とエラー認識を行い、他ロボットや人間への助け要請を新たなスキルとして組み込むことで、長期的タスクの中断から回復して完遂するフレームワークVADERを提案した。
- AutoRT: ロボットエージェントの大規模オーケストレーションのための身体性基盤モデルVLA2024/1/1
視覚言語モデルと大規模言語モデルを活用し、多様なロボット群に指示を生成して実世界データを大規模収集するシステムAutoRTを提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- ロボット卓球:高速学習システムのケーススタディsim2real2023/9/1
人間と数百回のラリーができる卓球ロボットの学習システムを詳細に解説し、遅延対策や分布シフト、知覚の堅牢性、行動空間の選択などを実験的に検証した。
- 言う通りでなく、できる通りに:ロボットのアフォーダンスに言語を接地するVLA2022/4/1
大規模言語モデルの高レベル知識と事前学習済みスキルの価値関数を組み合わせ、実世界で実行可能な行動に言語を接地させる手法を提案し、実機タスクで有効性を示した。
- オフポリシー強化学習による実世界での多様なロボットスキルの創発教師なし強化学習2020/4/1
報酬なしで多様なスキルを獲得するオフポリシー型の教師なし強化学習手法を提案し、実機の四足ロボットで多様な歩容や向きの移動スキルが自然に創発することを示した。
- ROBEL: 低コストロボットによる実世界強化学習のためのベンチマーク強化学習ベンチマーク2019/9/1
実世界での強化学習研究を加速するため、低コストで頑丈な3本指ハンドロボットと4脚ロボット、および各ロボット向けの連続制御ベンチマークタスク群を公開した論文。
- 階層型Sim2Realによる移動を介したマルチエージェントマニピュレーションマルチエージェント/sim2real2019/8/1
シミュレーションで低レベルな目標到達スキルを学習し、それを高レベルRLの行動空間として階層的に組み合わせることで、複数の移動ロボットによる協調物体操作を実世界へゼロショット転移した研究。
