Michelle A. Lee
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
- 学習可能なスムーザのための微分可能な因子グラフ最適化状態推定2021/5/1
因子グラフベースのスムーザを微分可能な形で展開し、MAP推論の最適化を通じて確率的システムモデルをエンドツーエンドで学習する手法を提案。物体追跡と視覚オドメトリで既存手法を大きく上回る精度を示した。
- 接触インタラクションの解釈によるロボット組立作業の失敗克服組立/触覚2021/1/1
組立失敗時の触覚センサ情報から部品の位置と種類の信念を更新する微分可能フィルタを学習し、不確実性下でも部品嵌合を成功させる階層的手法を提案した。
- 破損センサを検知・排除・補償するクロスモーダル補償モデルマルチモーダル/マニピュレーション2020/12/1
複数モダリティのセンサ情報から破損したセンサを自己教師あり学習で検知し、残りのセンサ情報で補償する表現モデルCCMを提案し、接触を伴うマニピュレーションに応用した。
- 異種センサ融合のための微分可能フィルタマルチモーダル/状態推定2020/10/1
視覚と触覚など異種モダリティを統合する微分可能ベイズフィルタのアーキテクチャを提案し、平面押し操作とドア操作タスクで評価した。
- 不確実性を考慮した誘導方策最適化:学習とモデルベース手法を組み合わせたサンプル効率の良い方策学習モデルベースRL2020/5/1
モデルベース方策の不確実性を見積もり、信頼できる領域ではモデルを、不確実な領域では局所的に学習した方策を生のセンサ入力で使うことで、実機のペグ挿入を少ない試行で学習する手法を提案。
- 視覚と触覚を統合したマルチモーダル表現学習による接触の多い操作タスクマルチモーダル表現学習2019/7/1
自己教師あり学習で視覚と触覚のコンパクトなマルチモーダル表現を獲得し、ペグ挿入タスクにおける強化学習のサンプル効率と汎化性能を向上させた研究。
- エンドエフェクタ空間における可変インピーダンス制御:接触の多いタスクのための強化学習アクション空間マニピュレーション2019/6/1
接触を伴うマニピュレーションタスク向けに、エンドエフェクタ空間での可変インピーダンス制御を強化学習のアクション空間として提案し、サンプル効率・省エネルギー・安全性の面で優れることを3つのタスクで示した。
- 視覚と触覚を統合する自己教師ありマルチモーダル表現学習による接触の多い操作マルチモーダル/触覚2018/10/1
視覚と触覚の入力を自己教師あり学習でコンパクトなマルチモーダル表現にまとめ、強化学習のサンプル効率を高めてペグ挿入タスクを実機でも安定してこなせるようにした研究。
