Noah Siegel
収録論文 6本 ・ フィジカルAI/ロボット学習
sim2realマニピュレーション強化学習強化学習/探索モデルベースRL階層強化学習
※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
- 模倣して再利用:人と動物の動作から学習する再利用可能なロボット運動スキルsim2real2022/3/1
人や犬のモーションキャプチャデータを模倣して脚式ロボットの運動スキルモジュールを学習し、歩行やボールドリブルなどの下流タスクに再利用して実機へゼロショット転移した研究。
- 「何を」解くかに焦点を当てた未把持ペグ挿入タスクのゼロからの学習マニピュレーション2020/10/1
自由に回転する非対称ペグを把持せずに挿入する高難度の劣駆動タスクを、補助制御と階層方策最適化を組み合わせたマルチタスク強化学習でシミュレーションと実機の両方でゼロから解決した。
- データ効率の良い後知恵オフポリシー・オプション学習強化学習2020/7/1
軌跡からオプション選択を推論し動的計画法の推論を逆伝播することで、全ポリシー構成要素をオフポリシーかつエンドツーエンドに学習するHO2を提案し、生ピクセル入力の3Dロボット操作タスクで有効性を示した。
- 探索のためのシンプルセンサー意図強化学習/探索2020/5/1
生のセンサー入力から直接計算できる補助タスク「シンプルセンサー意図」を提案し、実機ロボットアームが把持・持ち上げやボールインナカップをゼロから学習できることを示した。
- 想像上の価値勾配:転移可能な潜在ダイナミクスモデルによるモデルベース方策最適化モデルベースRL2019/10/1
視覚と固有感覚から環境の予測モデルを学習し、想像上の軌跡に沿った価値勾配で方策を最適化することで、ロボット操作タスクへの転移を高速化する手法を提案した論文。
- 階層強化学習における合成的転移階層強化学習2019/6/1
複数タスク間でデータを共有する階層的方策最適化手法RHPOを提案し、実機ロボットの積み木タスクでデータ効率と性能の大幅な向上を示した。
