Olivier Sigaud
Sorbonne University
収録論文 16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
- 品質多様性のための行動基盤モデル強化学習2026/9/28
行動基盤モデル(BFM)の潜在行動空間を探索空間として品質多様性(QD)探索を行うBFM-QDを提案し、密な移動・疎なナビゲーション・接触の多い操作で従来のパラメータ空間ベース手法を上回ることを示した。
- チャンク型VLAマニピュレーションポリシーの学習と実機展開のためのSim-to-Real統合パイプラインsim2real2026/9/18
シミュレーションで生成した専門家軌道を実機Franka FR3でオープンループ再生して実世界データを収集し、同じ展開スタックで学習済みポリシーを評価するSim-to-Real実験プロトコルを提案・公開した。
- MODIP: 拡散ポリシーのための効率的なモデルベース最適化拡散ポリシー/強化学習/モデルベース2026/6/9
拡散ポリシーを強化学習で直接微調整する代わりに、ワールドモデルとモデル予測制御で高品質な軌道を生成し、それを教師信号として行動クローニング的に微調整するフレームワークを提案した。
- 階層拡散ポリシーにおける共適応のためのオンライン自己学習階層型ポリシー/拡散モデル/自己学習2026/3/1
階層型拡散ポリシーにおいて、プランナーとコントローラのサブゴール分布を整合させる自己学習フレームワークORCHIDを提案し、オンラインでの安定した改善を実現した。
- 拡散モデルによるロボット動作の意図表現度の制御動作生成2025/10/1
拡散モデルを用いて、ロボットの動作の「意図のわかりやすさ」を連続的に制御できる動作生成フレームワークを提案した論文。
- I-FailSense: 視覚言語モデルによる汎用的なロボット失敗検出に向けてVLA2025/9/1
視覚言語モデルを微調整し、内部層に軽量な分類ヘッドを付けてアンサンブルすることで、指示と意味的にずれたロボットの失敗を検出するフレームワークを提案。
- VIPER: 逐次意思決定のための視覚知覚と説明可能な推論VLA2025/3/1
VLMで画像をテキスト化しLLMで行動を推論するモジュール型パイプラインを提案し、ALFWorldで視覚指示ベースの計画性能を向上させた。
- 単一リセット分割統治模倣学習模倣学習2024/2/1
従来は複数回の状態リセットが必要だった分割統治型模倣学習を、単一の初期状態リセットのみで実現するSR-DCILを提案し、デモバッファと価値クローニング、近似ゴール切替で実機応用を可能にした。
- 強化学習による歩行タスクのための開ループベースライン歩行2023/10/1
単純な振動子による開ループ制御が、5つの歩行環境でDRLに匹敵する性能を少ないパラメータで達成し、センサノイズや故障、sim2real転移においてDRLより頑健であることを示した。
- 単一デモンストレーションからの強化学習における逐次性の活用強化学習2022/11/1
単一のデモンストレーションから逐次的な目標条件付き方策を学習し、ヒューマノイドの歩行や立ち上がりなどの複雑なロボットタスクを高いサンプル効率で解決する手法を提案。
- グラフニューラルネットワークによる物体中心の自己目的行動の学習自己目的エージェント2022/4/1
自己目的エージェントのポリシーと目標空間の表現をグラフニューラルネットワークで変え、未見の目標への学習・転移性能を比較した研究。
- 分割統治による模倣学習模倣学習2022/4/1
専門家の軌跡1つだけから複雑なロボットタスクを模倣するため、タスクを小さなスキルに分割し、目標条件付き方策として学習・連鎖させる手法を提案した論文。
- DREAMアーキテクチャ:ロボティクスにおけるオープンエンド学習への発達的アプローチ発達ロボティクス2020/5/1
ロボットが環境やタスクに応じて状態表現を段階的に再記述・獲得し、知識を転移できる発達的認知アーキテクチャDREAMを提案した論文。
- PBCS:強化学習と運動計画の融合による効率的な探索と活用強化学習×運動計画2020/4/1
運動計画で見つけた軌道をカリキュラムとして強化学習を訓練し、2D迷路での探索問題を効率的に解く手法を提案した論文。
- ラベルなし人間指示によるロボット行動の対話的形成ヒューマンインザループ学習2019/2/1
人間の教師がラベルなし指示を対話的に与えてロボットの行動を形成する枠組みTICSを提案し、強化学習と教師あり学習の中間的な手法で学習を加速できることをシミュレーションと実機で示した。
- 物体発見の前提となる不変な感覚運動構造の同定物体知覚2018/10/1
エージェントの感覚運動経験から時空間的に不変な構造を教師なしで抽出し、物体知覚の基礎となる仕組みを計算モデルで示した論文。
