Minoru Asada

収録論文 7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

• 空気圧駆動ヒューマノイド上半身の動特性と動作再現性：データ駆動制御に向けて
  マニピュレーション2026/3/1

  13自由度の空気圧駆動ヒューマノイド上半身を開発し、その動特性と再現性を評価した上で、遅延補償付き多層パーセプトロンによるデータ駆動制御を4自由度腕に適用し、PIDより優れた軌道追従を実現した。

• 学習進捗とエネルギー消費に基づくタスク交互マルチタスク学習
  マルチタスク学習2025/4/1

  人間のようにタスクを切り替えながら学ぶマルチタスク学習手法を提案し、ロボットの効果予測タスクでランダム・逐次学習より高精度かつ低エネルギーで学習できることを示した。

• アフォーダンス等価性の学習による身体を超えたアフォーダンス転移
  アフォーダンス転移2024/4/1

  物体・行動・効果を共通の潜在空間に統合し、異なるロボット間でアフォーダンスを転移できる深層学習モデルを提案した。

• 形態の異なるロボット間のタスク実演による対応関係学習
  sim2real2023/10/1

  形態や自由度が異なるロボット同士でも、共通の潜在表現を学習することで、一方のロボットのタスク実演から他方のロボットの動作を生成できるようにする手法を提案した。

• 人間の実演からの文脈依存型修正方策学習による両手ロープ操作スキルの合成
  マニピュレーション2022/9/1

  複雑なスキルをモータープリミティブの系列に分解し、遷移状態のずれを修正する方策をCNMPsで学習することで、シミュレーションの押し操作と実機ヒューマノイドの両手結びを実現した。

• スキル転移におけるリソース節約と高速学習のための高次特徴表現
  スキル転移2021/6/1

  深層ネットワークの隠れ層信号にPCAやSFAを適用し、圧縮された特徴表現を用いることで、設計者のバイアスやリソース浪費を避けつつスキル転移の性能を向上させる手法を比較検証した。

• 状況付きGAIL：タスク条件付き敵対的逆強化学習によるマルチタスク模倣
  模倣学習2019/11/1

  GAILにタスク変数を導入し、複数タスクの報酬関数と方策を同時に学習できるS-GAILを提案。グリッドワールドのナビゲーションと連続空間のアームリーチングで有効性を示した。