Nicklas Hansen
University of California San Diego
収録論文 29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
- なんでもキャッチ!器用な手で汎化可能な動的捕球マニピュレーション2026/10/28
一人称カメラのみを用い、未知の物体や多様な物性に対応するヒューマノイドロボットのsim-to-real捕球フレームワークを提案し、Unitree G1上でゼロショットの下手・上手投げ捕球を実現した。
- シミュレーション事前分布によるモデルベース強化学習の高速適応:自動運転レースへの応用sim2real2026/10/19
低・高忠実度のシミュレーション軌道で世界モデルを事前学習し、不確実性正則化プランニングで実車の少ない相互作用から高速適応する枠組みを提案し、実車レースで1時間未満の適応を実現した。
- 世界モデルによる汎化可能なロボット挿入マニピュレーション2026/9/23
手首カメラの視覚と固有感覚を統合した単一の世界モデルを最大90の挿入タスクで訓練し、未知形状の物体へのゼロショット挿入を実現した研究。
- FACT: 失敗を考慮した因果的ワールドアクションモデル訓練VLA2026/8/1
ワールドアクションモデルに失敗データを組み込み、行動の結果を予測させることで、将来予測の偏りを減らし、操作タスクの性能を向上させる手法を提案した。
- RoboTALES: タスク整合的なシミュレート未来による推論誘導型ロボットポリシーの学習VLA2026/7/1
事前学習済みビデオ生成モデルをロボット制御に活用する際、想像した未来がタスク意図からずれたり、行動条件付けが不確実になる問題を解決するため、階層的LLMプランナーとVLM批評家を用いてタスク整合的な未来を生成し、ロボットポリシーを学習する単一フレームワークを提案した。
- 人間のデモンストレーションからロボットハンドを生成するロボットハンド設計2026/6/1
人間の指先動作データを用いて、ロボットハンドの設計を自動生成するデータ駆動型フレームワークを提案した。
- 世界モデルにおける幻覚は予測可能であり、防止可能である世界モデル2026/6/1
生成的世界モデルが幻覚を起こす現象を、データカバレッジの観点から分析し、幻覚を検出するシグナルと、それを用いたデータ収集・ファインチューニング手法を提案した論文。
- 大規模マルチタスク世界モデルによる連続制御の学習マルチタスク強化学習2025/11/1
200の多様なタスクで言語条件付き世界モデルを事前学習し、オンライン強化学習で微調整することで、マルチタスク性能とデータ効率を向上させた研究。
- 報酬モデルを用いたソフトハンドの設計学習ソフトロボティクス/設計最適化2025/10/1
遠隔操作データから報酬モデルを学習し、腱駆動ソフトロボットハンドの設計を効率的に最適化するCEM-RMフレームワークを提案。シミュレーションと実機で把持成功率が向上。
- デモンストレーション拡張型報酬・方策・世界モデル学習による多段階マニピュレーションマニピュレーション2025/3/1
視覚入力からの長期的マニピュレーションタスクに対し、多段階の密報酬学習と世界モデルを組み合わせたデモンストレーション活用型強化学習フレームワークDEMO3を提案し、データ効率を大幅に改善した。
- PWM: マルチタスク世界モデルによる方策学習モデルベース強化学習2024/7/1
世界モデルをオフラインデータで事前学習し、一次最適化でタスクごとに10分以内に方策を抽出する連続制御のモデルベース強化学習手法を提案。最大152次元の行動空間や80タスクにスケールし、既存手法を上回る性能を示した。
- 大規模ヒューマンデータを用いた自動運転レースのシミュレーションベンチマーク自動運転レース2024/7/1
Assetto Corsaをベースに自動運転レースアルゴリズムを評価するシミュレーションプラットフォームを構築し、強化学習やMPCのベンチマークと人間ドライバーのデータセットを公開した。
- 階層型ワールドモデルによる視覚ベース全身ヒューマノイド制御全身制御2024/5/1
視覚観測から56自由度ヒューマノイドの全身制御を強化学習で実現するため、高レベルエージェントが視覚に基づきコマンドを生成し低レベルエージェントが実行する階層型ワールドモデルを提案した。
- 視覚強化学習における無制限データ拡張のレシピ視覚強化学習2024/5/1
視覚ベースの強化学習において、任意のデータ拡張を安定して適用できる汎用的な手法SADAを提案し、訓練の安定性と汎化性能を大幅に向上させた。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- TD-MPC2:連続制御のためのスケーラブルで堅牢な世界モデルモデルベース強化学習2023/10/1
学習した潜在世界モデル上で軌道最適化を行うモデルベース強化学習TD-MPCを改良し、104タスクで高性能かつ単一のハイパーパラメータで動作、317Mパラメータの単一エージェントで80タスクをこなせることを示した。
- 実世界でのオフライン世界モデルのファインチューニング世界モデル2023/10/1
実機で収集したオフラインデータで世界モデルを事前学習し、モデルベース計画で得たオンラインデータでファインチューニングする手法を提案。計画時に不確実性を考慮することで外挿誤差を抑え、限られたデータでも新規タスクへ少ない試行で適応できることを示した。
- MoDem-V2: 実世界ロボットマニピュレーションのための視覚運動ワールドモデルマニピュレーション2023/9/1
モデルベース強化学習とデモンストレーション活用により、環境計測なしの実世界で接触の多い器用なマニピュレーションスキルを直接学習するシステムを開発した。
- GNFactor: 汎化可能なニューラル特徴場によるマルチタスク実ロボット学習模倣学習2023/8/1
視覚言語基盤モデルで意味情報を蒸留した汎化可能なニューラル特徴場とPerceiver Transformerを共有3Dボクセル表現で統合し、多様な実ロボット操作タスクを模倣学習で実行する手法を提案。
- 視覚運動制御における事前学習の再検討:スクラッチ学習ベースラインの再評価視覚運動制御2022/12/1
視覚運動制御タスクにおいて、データ拡張と浅いConvNetを用いた単純なスクラッチ学習ベースラインが、大規模視覚データセットで事前学習した表現を用いる最近の手法(PVR, MVP, R3M)と競合することを示し、事前学習データとベンチマーク間のドメインギャップの影響を明らかにした。
- MoDem: デモンストレーションによる視覚モデルベース強化学習の加速モデルベースRL2022/12/1
少数のデモンストレーションを活用し、方策事前学習・標的探索・デモデータのオーバーサンプリングの3段階でモデルベース強化学習のサンプル効率を大幅に改善する手法を提案。
- 自己教師あり3D表現による視覚強化学習VLA2022/10/1
大規模データで3Dボクセルオートエンコーダを事前学習し、強化学習と共に微調整することで、サンプル効率と実機ゼロショット転移を改善する枠組みを提案した。
- モデルベース強化学習におけるクロスタスク転移の実現可能性モデルベースRL2022/10/1
モデルベース強化学習で学習した世界モデルをマルチタスク事前学習とクロスタスク微調整に活用し、新しいタスクを効率的に解くフレームワークXTRAを提案した。
- 多様な動画からのグラフ逆強化学習逆強化学習2022/7/1
多様な第三者視点動画から報酬関数を学習するため、動画をエンティティ間の相互作用グラフとして抽象化し、時間的マッチングでタスク進捗を測るGraphIRLを提案。実機マニピュレーションで手設計報酬を上回る性能を示した。
- 時差学習によるモデル予測制御モデルベース強化学習2022/3/1
短期間の軌道最適化に学習済み潜在ダイナミクスモデルを、長期リターン推定に学習済み終端価値関数を用い、両者を時差学習で同時に学習するTD-MPCを提案。連続制御タスクで高いサンプル効率と性能を達成。
- もっとよく見る:Transformerで一人称視点と三人称視点を統合するロボットマニピュレーションマニピュレーション2022/1/1
三人称カメラと手首搭載の一人称カメラの映像をクロスビュー注意機構付きTransformerで融合し、強化学習による精密マニピュレーションの性能を向上させた研究。
- データ拡張下での深層Q学習の安定化:ConvNetとVision Transformer強化学習2021/7/1
データ拡張を用いたオフポリシー強化学習の不安定性が高分散なQターゲットに起因することを特定し、それを安定化する簡便な手法を提案。画像ベースRLのサンプル効率と汎化性能をConvNetとViTの両方で向上させた。
- クロスモーダルTransformerによる視覚誘導型四足歩行のエンドツーエンド学習歩行2021/7/1
固有感覚と深度画像をTransformerで統合し、障害物や不整地を先読みして歩行する四足ロボットの強化学習手法を提案。シミュレーションから実機へ転移し、未知環境での汎化性能を大幅に向上させた。
- 展開後の自己教師ありポリシー適応sim2real2020/7/1
報酬なしで展開後も自己教師あり学習によりポリシーを適応させ、未知の環境変化への汎化性能を向上させる手法を提案。
