Onur Celik
Karlsruhe Institute of Technology
収録論文 11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
- 不動点フローマッチングによる強化学習強化学習2026/10/9
オンライン強化学習において、訓練データを必要とせずにフローポリシーを学習・微調整する不動点フローマッチング(FFM)を提案し、その有効性を実験的に示した。
- 大規模並列オン方策強化学習のための信頼領域拡散ポリシー強化学習2026/6/13
大規模並列シミュレーションを用いたオン方策強化学習で拡散ポリシーを安定して訓練する手法TruDiを提案し、多様なベンチマークで性能を実証した。
- PAWS: アドバンテージ重み付きセグメントを用いた選好学習強化学習2026/6/10
人間の軌道比較から報酬を学習する選好ベース強化学習において、訓練と推論の不一致による分布シフトを分析し、セグメントレベルのアドバンテージ関数を直接用いた政策更新手法PAWSを提案した。ロボット操作・移動タスクで既存手法を上回る性能を示した。
- 視覚言語モデルによる巧みな操作の足場構築マニピュレーション2025/6/1
視覚言語モデルを使ってタスクに関連するキーポイントを特定し、手と物体の粗い3D軌道を生成して、シミュレーションで残差強化学習方策を訓練する手法を提案。
- MuTT: ロボットスキルのためのマルチモーダル軌道トランスフォーマーVLA2024/7/1
視覚・軌道・スキルパラメータを統合し、環境に応じたロボットスキルの実行を予測するエンコーダ・デコーダ型トランスフォーマーを提案。モデルベース最適化と組み合わせることで実環境実行なしにスキルパラメータを調整できる。
- MaIL: Mambaによる模倣学習の改善模倣学習2024/6/1
Transformerの代わりに状態空間モデルMambaを用いた模倣学習アーキテクチャMaILを提案し、少ないデータでも過学習を抑えて汎化性能を高め、LIBEROベンチマークと実機実験で有効性を示した。
- 拡散ポリシーを混合エキスパートへと変分蒸留する手法模倣学習2024/6/1
事前学習済みの拡散ポリシーを変分推論により混合エキスパート(MoE)へ蒸留し、複雑な行動分布を保ちつつ推論を高速化するVDDを提案。
- 混合エキスパートとカリキュラム強化学習による多様なスキル獲得強化学習2024/3/1
混合エキスパートを用いて多様なスキルを学習する強化学習手法Di-SkilLを提案し、各エキスパートのコンテキスト分布をエネルギーベースモデルで表現することで自動カリキュラム学習を実現した。
- MP3: 運動プリミティブに基づく再計画ポリシー強化学習/運動プリミティブ2023/6/1
運動プリミティブを深層強化学習に統合し、スパースで非マルコフ的な報酬から学習しつつ、実行中の環境変化に適応できる再計画戦略を導入した手法を提案する。
- ムーブメントプリミティブを用いた深層ブラックボックス強化学習強化学習2022/10/1
ムーブメントプリミティブのパラメータをブラックボックス最適化するエピソードベース強化学習に、微分可能な信頼領域層を導入した深層学習アルゴリズムを提案し、疎・非マルコフ報酬で従来手法を上回ることを示した。
- 局所的な混合エキスパートによる多様なスキルライブラリの特化強化学習2021/12/1
最大エントロピー強化学習を混合エキスパートごとの下界最適化に分解し、局所的な文脈分布を専門家と共に適応させることで、高精度で多様なスキルを段階的に獲得する手法を提案した。
