Pierre Schumacher
収録論文 6本 ・ フィジカルAI/ロボット学習
sim2realマニピュレーション歩行筋骨格制御強化学習/筋骨格系
※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
- 学習と制御のためのソフト勾配による硬接触の微分可能シミュレーションsim2real2025/6/1
ペナルティベースのシミュレータにおける硬接触時の勾配劣化を分析し、適応的時間積分と接触距離推定を組み合わせて勾配精度を改善するDiffMJXを提案した。
- 実機ロボットで模擬筋を制御する学習:生体模倣アクチュエータ形態の活用に向けてsim2real2024/2/1
安価な電動モータで筋の特性をリアルタイムに模擬し、強化学習で訓練した方策を四足ロボットの実機で動かすことで、シミュレーションから実機への転移が可能であることを示した。
- 強化学習における人間らしい腕運動の生成:報酬項とタスク要件の定量的比較マニピュレーション2024/2/1
筋骨格腕モデルの強化学習において、タスク要件・ノイズ・最適性原理の組み合わせが人間らしい腕運動と三相性筋活動パターンを生むかを定量的に比較した。
- 実演データなしの強化学習による高次元筋骨格モデルの自然で頑健な歩行歩行2023/9/1
専門家の実演データに頼らず強化学習のみで、高次元筋骨格モデルに自然で外乱に強い二足歩行を獲得させた研究。
- 筋肉で学ぶ:人型タスクにおけるデータ効率とロバスト性の利点筋骨格制御2022/7/1
筋骨格系の非線形ダイナミクスが学習にもたらす利点を検証し、データ効率・ハイパーパラメータ感度・ロバスト性の面で筋肉アクチュエータの優位性を示した。
- DEP-RL: 過剰駆動・筋骨格系の強化学習における身体性に基づく探索強化学習/筋骨格系2022/6/1
過剰駆動な筋骨格系の強化学習では探索が非効率という問題に対し、自己組織化由来の差分外在可塑性(DEP)を組み込み、到達・歩行タスクを高効率かつ頑健に学習できるようにした。
