Oleg Sushkov
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
- RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェントマニピュレーション2023/6/1
多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。
- 少数の成功デモで長期的な器用マニピュレーションを実現する後付け目標選択マニピュレーション2021/12/1
少数の成功デモからタスク固有の目標分布を推定し、後付けリラベリングの探索を誘導することで、長期的な片腕・両腕ロボット操作タスクを少ないデモで効率的に学習する手法を提案した。
- 産業用挿入タスクのためのオフラインメタ強化学習メタ強化学習2021/10/1
過去タスクの実演と試行データのみからメタ学習し、産業用挿入タスクへ迅速に適応するオフラインメタ強化学習手法を提案した論文。文脈メタ学習とオンライン微調整を組み合わせ、類似タスクには即応・大きく異なるタスクには段階適応する。
- 強化学習と実演による産業組立向け堅牢マルチモーダル方策:大規模実証研究産業組立/強化学習2021/3/1
産業組立タスクにおいて、実演からの強化学習(DRL)を産業志向の設計基準で構築し、NISTベンチマークでプロのインテグレータや人間を上回る速度と信頼性を実証した大規模研究。
- S3K: マルチビュー整合性によるロボットマニピュレーション向け自己教師あり意味キーポイントマニピュレーション2020/9/1
複数視点の整合性を利用した半教師あり学習で、1〜5mm精度の意味的3Dキーポイントを獲得し、把持や嵌合などの精密作業や強化学習の報酬設計に活用できることを示した論文。
- 報酬スケッチとバッチ強化学習によるデータ駆動ロボティクスのスケーリングマニピュレーション2019/9/1
人間のアノテーションから報酬関数を学習し、大規模なロボット経験データとバッチ強化学習を組み合わせて、実機での物体積み上げや布操作などのマニピュレーションタスクをオフライン学習するフレームワークを提案した。
- 可変なソケット位置への挿入を深層強化学習で実現する実用的手法マニピュレーション2018/10/1
既製のDDPGに少数の人間デモを組み合わせるだけで、モデル化や報酬設計なしに実機ロボットが挿入タスクを10分以内に学習し、ソケット位置の変動にも頑健に解けることを示した。
