Ondrej Biza
収録論文 15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
- BCでQ関数を作る:模倣学習からQ値を抽出してロボット上で強化学習を行うロボット学習2026/5/1
模倣学習(BC)のポリシーからQ関数を抽出し、オンライン強化学習でBCとRLの行動をQ値で切り替えることで、効率的なオフラインからオンラインへの学習を実現する手法Q2RLを提案した。
- 部品分解によるワンショット形状横断スキル転移スキル転移2026/4/1
デモンストレーションから物体を意味的部品に分解し、生成形状モデルを用いて相互作用点を新規物体へ転移させることで、未知形状へのスキル転移を実現した。
- SOLE-R1: ビデオ言語推論を唯一の報酬とするオンボット強化学習VLA2026/3/1
ビデオと言語目標からタスク進捗を推論するモデルSOLE-R1を開発し、これを唯一の報酬としてロボットが未見の操作タスクをゼロショットで強化学習できるようにした。
- 黄金のチケット:単一のノイズベクトルで生成ロボットポリシーを改善VLA2026/3/1
事前学習済みの拡散・フローマッチングポリシーに対し、ガウス分布から毎回サンプリングする代わりに固定の初期ノイズ(黄金のチケット)を与えることで、追加学習なしにタスク成功率を向上させる手法を提案。
- ROVER: 視覚言語モデルによる身体性タスクのための動画再帰推論VLA2025/8/1
長い動画を短いサブタスクに再帰的に分割し、視覚言語モデルが局所的なフレーム列を正確に推論できるようにするフレームワークROVERを提案。ロボット操作動画でのタスク進捗推定や動画QAで性能を向上させた。
- 目標対比報酬による実機ロボット強化学習強化学習2024/10/1
人間や他ロボットの行動なし動画から密な報酬関数を学習し、実機ロボットの強化学習を効率化する手法GCRを提案。
- ThinkGrasp: 散乱環境での戦略的パーツ把持のための視覚言語システムマニピュレーション2024/7/1
GPT-4oの文脈推論を活用し、散乱環境で対象物を段階的に露出させて把持するプラグアンドプレイの視覚言語把持システムを開発した。
- 同変オフライン強化学習オフラインRL2024/6/1
ロボット操作タスクを回転対称問題として捉え、SO(2)同変ニューラルネットワークをオフラインRL(CQL・IQL)に導入し、少数のデモンストレーションでも性能が向上することを示した。
- 想像ポリシー:生成的点群モデルを用いたマニピュレーションポリシーの学習マニピュレーション2024/6/1
目標状態の点群を生成し、剛体動作推定で行動に変換するマルチタスク・キーフレームポリシーを提案。RLbenchで高性能を示し、実機でも検証した。
- 等変モデルを用いたロボット把持学習マニピュレーション2023/6/1
平面把持関数のSE(2)等変性を利用してニューラルネットを制約し、実機で600回の把持試行から1.5時間以内に把持を学習するSymGraspを提案。
- インタラクションワーピングによるワンショット模倣学習模倣学習2023/6/1
物体の形状ワーピングを用いて単一の実演からSE(3)操作方策を学習する手法を提案し、物体再配置タスクで成功を示した。
- マルチゴール操作タスクのためのグラフ構造方策学習マニピュレーション2022/7/1
物体の高レベル離散表現を手動で設計し、ピクセル入力からQ学習で多数のゴールへの方策を単一ネットワークで学習する手法を提案。ブロック構築タスクで有効性を示し、実機にも展開した。
- 等変モデルによるサンプル効率の高い把持学習マニピュレーション2022/2/1
最適な把持関数がSE(2)等変性を持つことを利用し、等変畳み込みネットワークでモデル化することで、わずか600回の把持試行で実機ロボットが約1.5時間で把持を学習できることを示した論文。
- 物体分解型ワールドモデルによるロボット操作のゼロショット汎化マニピュレーション2022/2/1
物体ごとに分解したワールドモデルに連続的なロボット動作を組み込み、訓練にない新しいピック&プレース作業へゼロショットで汎化できることを示した研究。
- 過去タスクの解を活用する行動事前分布によるロボット操作の探索支援強化学習2021/1/1
過去に解いたタスクの政策から行動の事前確率分布を作り、専門家デモなしでも大規模行動空間のロボット操作タスクを強化学習で解けるようにした研究。
