Osbert Bastani
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
- RoboReason：ロボティクス向けVLM推論を強化するスケーラブルなデータ生成VLM2026/10/24
ステレオ・手首カメラ画像を用いた時空間順序付けタスクでVLMの推論を評価し、自律的な学習データ生成パイプラインによる教師あり微調整と強化学習で性能を大幅に改善した論文。
- Tether: 対応関係駆動の軌道ワーピングによる自律的機能プレイ模倣学習2026/3/1
少数のデモから意味的キーポイント対応を用いてアクションをワープするオープンループポリシーを提案し、それを用いて実世界で自律的にマルチタスクのプレイデータを収集・改善する手法を紹介する。
- 視覚言語モデルは文脈内価値学習器であるVLA2024/11/1
視覚言語モデルにシャッフルした動画フレームの時系列順序を予測させることで、ロボットやタスク固有の訓練なしに300以上の実世界タスクの進捗を推定できる汎用価値関数を実現した。
- Eurekaverse：大規模言語モデルによる環境カリキュラム生成sim2real2024/11/1
大規模言語モデルを用いて、四足ロボットのパルクール学習のための難易度が漸進的に上がる環境を自動生成する手法を提案し、実世界への転移に成功した。
- DrEureka: 言語モデルが導くSim-to-Real転送sim2real2024/6/1
大規模言語モデルを活用し、報酬関数とドメインランダム化を自動設計することで、四足歩行や器用な操作のシミュレーションから実機への転送を人手を介さず実現した研究。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- Eureka: コーディングLLMによる人間レベルの報酬設計強化学習2023/10/1
GPT-4などのLLMを活用して報酬関数を自動生成・進化させ、強化学習で複雑なロボット操作タスクを人間専門家を超える性能で学習させる手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 万能視覚分解器：長期的操作を簡単にマニピュレーション2023/10/1
事前学習済み視覚表現を用いて、視覚デモンストレーションからサブゴールを自動検出し、長期的操作タスクの学習と汎化を容易にする手法を提案。
- LIV: ロボット制御のための言語-画像表現と報酬学習VLA2023/6/1
テキスト注釈付きの行動なし動画から、言語や画像ゴールで指定されたタスクに対する価値関数を暗黙的に学習する統合的な視覚言語表現・報酬学習手法LIVを提案し、ロボット制御の模倣学習や報酬設計で従来手法を上回る性能を示した。
- VIP: 価値関数の暗黙的事前学習による汎用視覚報酬と表現VLA2022/10/1
人間の動画から自己教師ありで視覚表現を事前学習し、未知のロボット操作タスクに対する密な報酬関数を生成する手法を提案。
- シールディングによる人と協調する安全制御安全制御2021/10/1
人間が事故回避のために取る「バックアップ行動」を定義し、それを前提にロボットの制御を必要時に上書きして安全性を保証する手法を提案した。
- モデル予測シールディングによる安全なマルチエージェント強化学習マルチエージェント/安全RL2019/10/1
学習済み方策をできるだけ使いながら、安全が保証できない場合にバックアップ方策へ切り替えることで、マルチエージェント環境での安全性を理論的に保証する手法を提案した。
- 確率的ダイナミクスを持つ安全な強化学習のためのロバストモデル予測シールディング安全強化学習2019/10/1
確率的な外乱を受ける非線形システムに対し、チューブ型ロバストNMPCをバックアップ制御器として用いるモデル予測シールディングを提案し、学習方策の安全性を高確率で保証する。
- 運動制約付きの安全なラベルなしマルチロボット計画の学習群制御2019/7/1
障害物のある2D空間で、ラベルなしロボット群の目標割り当てと軌道計画をマルチエージェント強化学習で解き、速度障害物を用いた射影で衝突回避を保証する汎用的手法を提案した。
