Oswin So
Massachusetts Institute of Technology
収録論文 25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
- 未知外乱下の安全なナビゲーションのための信念誘導型残差適応制御ナビゲーション2026/11/7
モデル予測誤差から外乱の信念を推定し、高レベル方策で参照軌道を適応させる階層型強化学習フレームワークBRACEを提案。急変する風場でのクアッドコプター実験でMPCやRLベースラインを上回る到達回避性能を示した。
- 安全性証明関数の統一的概観:HJ到達可能性と制御バリア関数の技法安全性検証2026/11/5
HJ到達可能性解析と制御バリア関数という2大手法による安全性証明関数の合成を統一的に解説し、ベンチマーク比較を通じて実用的な選択指針を与えるチュートリアル論文。
- LASER: 潜在空間随伴マッチングによるサポート制約付きエントロピー正則化オフライン強化学習オフライン強化学習2026/10/6
フローマッチングで学習した振る舞いクローンポリシーの潜在空間内で、エントロピー正則化付きオフラインRLを行うLASERを提案し、OGBenchの40タスクで最先端性能を達成した。
- 不確実系に対する最小努力敵対ポテンシャルを用いた安全フィルタ安全フィルタ2026/9/23
外乱や不確実性があるシステムでも安全を保証するため、外乱が故障を引き起こすのに必要な努力を定量化するLEAPを提案し、深層強化学習で構築する手法を開発した。
- CBFベース強化学習による安全でスケーラブルなマルチドローンペイロード輸送:ゼロショットsim-to-real転送群制御2026/7/1
マルチドローンによる協調ペイロード輸送を、安全制約を保証するCBFベースの強化学習とドメインランダム化で訓練した分散ポリシーにより実現し、実機でゼロショット転送と動的環境での安全性を実証した。
- 時間論理のための価値関数:最適方策と安全フィルタ強化学習/時間論理2026/5/1
時間論理仕様に対する価値関数の最適性と方策の最適性の微妙な関係を解明し、非マルコフ方策を用いて病理を回避する最適方策を構築するとともに、Q関数を複雑な時間論理仕様の安全フィルタとして利用する方法を示した論文。
- ReFORM: ノイズ操作によるサポート上オフライン強化学習のための反射フローオフライン強化学習2026/2/1
オフライン強化学習において、フローポリシーを用いてサポート制約を構造的に満たしつつ、反射フローでノイズを操作して性能を最大化する手法を提案。
- 安全な最適制御におけるタスク論理のためのベルマン価値分解安全最適制御2026/2/1
時相論理で記述された複雑なタスクのベルマン価値を、到達回避・回避・新たに提案する到達回避ループの各ベルマン方程式で結ばれたグラフに分解し、それを二層ニューラルネットに埋め込むVDPPOを提案。高次元タスクで安全性と活性を自動的に両立させ、既存手法を大きく上回る性能を示した。
- 未知の実行可能性を持つパラメータロバスト回避問題を強化学習で解く強化学習2026/2/1
強化学習を用いて、安全な方策が存在する初期条件の部分集合を特定しながら、その集合上で到達可能性問題を解く手法FGEを提案した。
- 分散エピグラフ形式によるマルチエージェント安全最適制御MARL2025/4/1
制約付きマルコフ決定過程をエピグラフ形式で解くことで訓練を安定化させ、集中訓練・分散実行型の安全マルチエージェント強化学習手法Def-MARLを提案し、シミュレーションと実機ドローンで有効性を示した。
- 予測地平線の先まで安全に:ニューラル制御バリア関数を用いた効率的なサンプリングベースMPCMPC/安全制御2025/2/1
予測地平線を超えた安全性を保証するため、ニューラル制御バリア関数を変分推論MPCに組み込み、サンプリング戦略を改善してCPU上でのリアルタイム計画を可能にした。
- マルチエージェント安全最適制御のための離散GCBF近接方策最適化マルチエージェント安全制御2025/2/1
未知の離散時間動力学・部分観測・近傍変化・入力制約下で、離散グラフ制御バリア関数と高性能安全方策を同時学習するDGPPOを提案し、複数シミュレータで安全性と性能の両立を示した。
- 強化学習による最小コスト到達回避問題の解法強化学習2024/10/1
到達と安全回避の制約下で累積コストを最小化する問題を、Hamilton-Jacobi到達可能性との関連を用いて強化学習で直接解くRC-PPOを提案し、Mujocoベンチマークで最大57%のコスト削減を達成した。
- オンラインでのロバスト安全フィルタ構築:方策制御バリア関数によるアプローチ安全制御2024/10/1
価値関数をオンライン推定することでロバストな制御バリア関数を近似し、高相対次数・入力制約系でも外乱下で安全を保証するRPCBFを提案。シミュレーションとクアッドコプター実機で有効性を実証。
- GCBF+:分散型安全マルチエージェント制御のためのニューラルグラフ制御バリア関数フレームワーク群制御2024/1/1
グラフ制御バリア関数(GCBF)を提案し、グラフニューラルネットワークでパラメータ化することで、大規模なマルチエージェントシステムの分散型安全制御を実現するフレームワークGCBF+を開発した。ドローン群での実機実験により有効性を示した。
- 確率的ゼロ制御バリア関数の概確実安全性保証は成立しない制御理論2023/12/1
2021年の確率的制御バリア関数論文の定理と証明が誤りであることを反例で示し、確率的RCBFの正しい証明と修正ZCBF条件を提案した。
- マルチロボットシステムのための安全制御の学習:手法・検証・未解決課題群制御2023/11/1
複数ロボットの安全な制御を学習ベースで実現する手法を、安全性の概念からシールディング、制御バリア関数学習、安全考慮型マルチエージェント強化学習、検証ツールまで体系的にサーベイし、今後の課題を整理した。
- ニューラル制御バリア関数の訓練法:複雑な入力制約系のための安全フィルタ学習安全制御2023/10/1
入力制約下の高次元システムでも安全を保証できるよう、名目方策の価値関数を学習して制御バリア関数を構成するPNCBFを提案し、F-16やクアッドコプターで有効性を示した。
- NashFormer: 局所ナッシュ均衡を活用した意味的多様性のある軌道予測軌道予測2023/5/1
ゲーム理論的逆強化学習を訓練時の補助損失として用い、マルチエージェントの相互作用を考慮した多様な軌道予測を実現するNashFormerを提案。Waymoデータセットでベースラインより33%多くの相互作用をカバー。
- エピグラフ形式と深層強化学習による安定化・回避最適制御の解法制御/強化学習2023/5/1
安定化と安全制約を同時に満たす制御問題を、エピグラフ形式の二段階最適化に変換し、オンポリシー深層強化学習とニューラルネット回帰を組み合わせて解く手法を提案した。
- MPOGames: 効率的なマルチモーダル部分観測動的ゲームマルチエージェント/ゲーム理論2022/10/1
マルチエージェントの動的ゲームをPOMDPとして再定式化し、複数の局所ナッシュ均衡間の相互作用を捉えるMaxEnt動的ゲームの効率的解法を提案。実車実験でリアルタイム性を実証。
- 深層FBSDEとADMMによる分散型安全マルチエージェント確率的最適制御マルチエージェント制御2022/2/1
確率的な外乱下で複数エージェントを安全に制御するため、確率制御バリア関数とADMMによる合意形成を組み込んだ分散型の深層学習制御手法を提案し、衝突回避を保証しつつ集中型より優れた拡張性を示した。
- マルチモーダル最大エントロピー動的ゲームマルチエージェント2022/1/1
エージェント間の相互作用をマルチモーダルな最大エントロピー定式化で解くMMELQGamesを提案し、衝突回避や自動運転レースで有効性を示した論文。
- 最大エントロピー微分動的計画法最適制御2021/10/1
微分動的計画法に最大エントロピー定式化を導入し、多峰性方策による探索で局所解を脱出できる2つの変種を提案・検証した論文。
- 確率的探索を用いた適応型リスク感応モデル予測制御モデル予測制御2020/9/1
初期状態・確率的ダイナミクス・不確かなパラメータの不確実性を扱い、確率的探索でCVaRを最適化する枠組みを提案し、振り子や台車棒、クアッドコプターで有効性を示した。
