Michael S. Ryoo
収録論文 17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
- LACE: クロスエンボディメント学習のための潜在視覚表現視覚表現学習2026/5/1
人間とロボットの視覚表現を潜在空間で整列させるフレームワークを提案し、ロボットのデモデータが少ない場合でも人間のデモデータを活用できるようにした。
- 動作画像拡散との共同学習によるロボットVLAの性能向上VLA2025/12/1
VLAモデルに将来の動きを予測する動作ヘッドを追加し、動作ヘッドと共同学習することで、推論速度を保ちながら動作推論能力と実環境性能を大幅に向上させた。
- ロボット制御に必要なのはピクセルモーション拡散であるVLA2025/9/1
高レベルな運動意図と低レベルなロボット動作をピクセルモーション表現で橋渡しする拡散モデルベースの統合フレームワークDAWNを提案し、CALVINやMetaWorldで高性能を示すとともに実機への転移も実証した。
- LLaRA:視覚言語モデルをロボット制御に転用する対話型ポリシー学習VLA2024/6/1
ロボットの行動を視覚と言語の対話として扱い、既存の模倣学習データから自動で対話形式の学習データを生成して視覚言語モデルを微調整し、ロボット制御に転用する手法を提案した。
- クロスウェイ拡散:自己教師あり学習による拡散ベース視覚運動ポリシーの改善VLA2023/7/1
拡散モデルによるロボット模倣学習において、逆拡散過程の中間表現から画像を再構成する状態デコーダと自己教師あり学習を組み合わせ、視覚表現を強化する手法を提案した。
- 衛星画像を用いたクロスモーダル位置推定のためのエネルギーベースモデルクロスモーダル位置推定2023/6/1
GPSなしでLiDARと衛星画像を照合し、畳み込みトランスフォーマーとエネルギーベースモデルで車両位置を高精度に推定する手法を提案。
- 限られた視覚観測下での能動視覚強化学習能動視覚/強化学習2023/6/1
身体エージェントが運動方策と視覚観測を制御する感覚方策を同時に学習する枠組みを提案し、感覚運動報酬で両者を協調させる。
- トークン・チューリングマシンVLA2022/11/1
外部メモリとしてトークン集合を持ち、Transformerで読み書きする自己回帰モデルを提案し、動画行動検出やロボット行動方策学習で有効性を示した。
- 実世界計画のためのオープン語彙でクエリ可能なシーン表現VLA2022/9/1
視覚言語モデルとLLMを組み合わせ、自然言語で問い合わせ可能なシーン表現を構築し、ロボットが周囲の物体を認識・照会しながら計画を立てられるようにした。
- 自己教師あり学習は本当にピクセルからの強化学習を改善するのか?強化学習2022/6/1
ピクセルベースのオンライン強化学習において、自己教師あり学習(SSL)が画像拡張のみのベースラインを有意に上回るか検証し、既存のSSLとRLの同時最適化フレームワークの限界を明らかにした。
- 3D空間でトークンを復元することによる視点非依存の視覚表現学習視覚表現学習2022/6/1
Transformerの画像トークンに擬似深度推定と学習済みカメラ行列を組み合わせた3D Token Representation Layerを導入し、視点変化に頑健な視覚表現を教師なしで学習する手法を提案した。
- 三人称模倣学習のための自己教師あり分離表現学習模倣学習2021/8/1
自己運動を伴うロボットタスク向けに、三人称視点の動画から行動方策を学ぶ手法を提案し、双対オートエンコーダと表現置換損失・時間コントラスト損失で状態と視点の表現を分離する。
- ロボット学習のための視覚アーキテクチャ自動探索マニピュレーション2021/3/1
ロボットマニピュレーション学習において、低次元の行動入力と高次元の視覚入力を組み合わせるニューラルアーキテクチャを自動探索する手法を提案し、実機で把持性能を6%向上させた。
- 未来画像類似度学習によるモデルベース行動クローニング模倣学習2019/10/1
専門家の軌跡のみから未来画像予測モデルを学習し、予測画像と専門家画像の類似度で行動を複製する視覚的模倣学習手法を提案した。
- 夢の中でロボット方策を学ぶモデルベースRL2018/5/1
ロボットの行動に応じた画像変化を予測する世界モデルを学習し、実環境の代わりにその『夢』の中で視覚運動方策を訓練して実世界に転移できることを示した論文。
- 一人称視点の人間動画から未来回帰でロボット動作を学習模倣学習2017/3/1
人間の一人称視点動画から、未来の手や物体の位置を回帰予測するネットワークを学習し、ロボットが同じ作業を実時間で実行できるようにした研究。
- 人間のインタラクション動画から社会的アフォーダンス文法を学習しヒューマノイドへ転移ヒューマンロボットインタラクション2017/3/1
RGB-D動画から人間同士の相互作用を時空間AND-ORグラフとして弱教師あり学習し、ヒューマノイドのリアルタイム動作推論に転移する枠組みを提案した。
