Michael Przystupa
Vrije Universiteit Amsterdam
収録論文 6本 ・ フィジカルAI/ロボット学習
世界モデル強化学習マニピュレーションテレオペレーション視覚サーボ
※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
- S情報を用いたロボット制御のための世界モデル学習世界モデル2026/11/9
LeWorldModelに後向きダイナミクス予測と逆ダイナミクス行動予測の2つの潜在損失を追加し、潜在表現の構造化により性能と計画効率を向上させる手法を提案した。
- 整列とフィルタリング:非同期オン方策強化学習の性能向上強化学習2026/3/1
分散学習と高頻度更新によるポリシーラグ(データ生成と学習の不整合)を軽減するため、全変動に基づくアドバンテージ整列制約付きポリシー最適化手法を提案し、古典的RLタスクとLLM数学推論タスクで有効性を検証した。
- ロボットマニピュレータの低次元制御のための状態条件付き線形写像の学習マニピュレーション2024/10/1
ロボットの状態に応じて変化する局所的な線形写像を学習し、高次元の関節指令を低次元の行動空間で表現することで、マニピュレーション制御を簡略化する手法を提案した。
- 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。
- ベイズアグリゲータを備えた深層確率的運動プリミティブマニピュレーション2023/7/1
線形運動プリミティブの全操作(時間変調・ブレンド・経由点条件付け・文脈条件付け)を統合した深層運動プリミティブを提案し、ベイズ文脈アグリゲータで文脈条件付けとブレンドを改善した。
- 視覚サーボと運動学制御におけるニューラルヤコビアン手法の分析視覚サーボ2021/6/1
ニューラルネットワークで運動学ヤコビアンを近似する2手法(k近傍による線形近似と学習した順運動学モデルの微分)を比較し、実機で有効性を示した。
