Naman Shah
収録論文 11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
- トルク適応モジュール:操作における堅牢な動作転送のためのTAM操作2026/6/1
ロボット間の動力学差やシミュレーションと実機のギャップによる動作ずれを補正するため、トルク指令を適応させる学習モジュールTAMを提案。プロプリオセプティブな履歴のみを用いて残差トルクを生成し、異なる行動空間のポリシーにも再利用可能。
- SkillWrapper: タスクレベルロボット計画のための生成的述語発明タスク計画2025/11/1
基盤モデルを活用してRGB画像から人間に解釈可能な記号表現を学習し、未見の長期的タスクを計画・実行できる手法を提案。
- タスク・スキルプランニング:ブラックボックススキルを用いた階層型ロボットプランニングタスク・モーションプランニング2025/4/1
学習済み・力制御・ブラックボックスなど異種スキルを階層プランナに統合し、CIPでスキル間の動作を補間することで、双腕・移動マニピュレータの長期的タスクを実現する手法を提案。
- JEDAI.Ed:説明可能AIと階層的計画を用いたロボット教育プラットフォーム教育・説明可能AI2024/4/1
ロボットの計画と実行を非専門家に教えるための、視覚的インターフェースと説明可能AIを活用したオープンソース教育プラットフォームを開発し、その有効性をユーザー研究で示した。
- 実世界から論理へ、そして再び実世界へ:長期的ロボット計画のための汎化可能な関係概念の学習ロボット計画2024/2/1
少数の未注釈デモからロボットが自律的に記号的な関係概念を発明し、論理ベースの世界モデルを学習することで、未見環境での長期的タスクにゼロショット汎化できる手法を提案。
- 確率的経路計画のためのマルチタスク・オプション学習と発見経路計画2022/10/1
確率的な環境での長期的経路計画を効率的に解くため、データから有用なオプション(サブ政策)とその接続経路を自動で学習・発見する手法を提案し、タスク間の知識転移と性能向上を示した。
- 深層学習による階層型ロボット計画のための抽象化の自動構築階層型計画2022/2/1
深層ニューラルネットワークで重要領域を予測し、階層型ロボット計画に必要な状態・行動の抽象化を自動生成する手法を提案。未学習環境での計画時間を従来比約10倍改善した。
- スキルに沿った説明可能なロボット計画のためのJEDAIシステム説明可能計画2021/11/1
非専門家向けに、タスク・動作統合計画と説明可能AIを組み合わせ、ロボットが実行可能な計画作成とエラー説明を提供する教育・普及システムを提案した。
- 確率的タスク・動作計画のためのいつでも階層的アプローチタスク・動作計画2021/8/1
不確実な環境で複数の実行時コンティンジェンシーに対処する分岐構造を持つ統合タスク・動作ポリシーを、いつでも計算可能な階層的手法で求める。確率的完全性を証明し、難問での有効性を示した。
- ロボット計画のための抽象化の学習と活用運動計画2020/12/1
深層学習で環境中で重要なロボット配置を特定し、サンプリング分布を偏らせることで運動計画の時間を短縮するフレームワークを提案した論文。
- 確率的環境における統合タスク・動作方策の随時計算タスク・動作計画2019/4/1
不確実な環境で高レベル計画と動作計画を統合し、複数の実行時状況に対応する分岐構造を持つ方策を随時計算できる確率的完全なアルゴリズムを提案した。
