Pietro Noah Crestaz
University of Trento
収録論文 5本 ・ フィジカルAI/ロボット学習
リーチアビリティ/安全性VLAモデルベース強化学習制御強化学習×軌道最適化
※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
- 確率的リーチ・アボイド価値関数の時間差分学習リーチアビリティ/安全性2026/10/20
確率的で非有界な外乱下でもリーチ・アボイド集合を自己教師ありで推定する手法を提案し、敵対的HJRより保守的でなく精度が高いことを示した。
- VAMPS: サンプリングベース計画による視覚・運動ポリシーVLA2026/10/4
MPPI制御を用いて人間のデモンストレーションなしに再利用可能なポリシーを学習するフレームワークを提案し、シミュレーションでの歩行ポリシー学習と実機転移、実機データからの視覚運動ポリシー学習を実現した。
- CAST: 交互状態価値目標と拡張方策勾配によるモデルベース強化学習モデルベース強化学習2026/9/8
モデルベース強化学習において、プランナー誘導行動と現在の方策を交互に用いた状態価値目標を導入し、価値学習を改善する手法CASTを提案。シミュレーションと実機の四足ロボットで有効性を実証。
- COSMIK-MPPI:近接動的人間環境における衝突回避への制約付きモデル予測制御の拡張制御2026/4/1
MPPI制御に制約違反を終端事象として扱う手法を組み合わせ、人間の動作予測に依存せずに衝突回避を保証するフレームワークを提案し、実機で検証した。
- CACTO-BIC: バイアス付きサンプリングとGPU加速軌道最適化によるスケーラブルなアクター・クリティック学習強化学習×軌道最適化2026/2/1
軌道最適化と強化学習を組み合わせたCACTOを改良し、価値関数に基づく初期状態サンプリングのバイアスとGPU加速により、サンプル効率と計算速度を向上させた。四足ロボットAlienGOでリアルタイム応用可能なスケーラビリティを示した。
