Pulkit Agrawal
Massachusetts Institute of Technology
収録論文 71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
- 慣性ミスマッチがロボットの政策学習に与える影響模倣学習2026/11/2
ロボットアームと物体の質量差による慣性ミスマッチが強化学習と行動クローニングの学習性能にどう影響するかをシミュレーションで調査し、軽いロボットが重い物体を扱う方が行動クローニングが安定することを示した。
- 目隠し精密組立：多様な部品に対応する固有感覚によるsim-to-realペグ挿入マニピュレーション2026/10/16
視覚・力覚・触覚を使わず、関節の固有感覚のみでペグ挿入・歯車噛み合わせ・ナットねじ通しを学習する強化学習方策を提案し、実機へのゼロショット転移を実現した。
- 汎用モーショントラッキングを残差参照適応でコンプライアント化するC-GMTヒューマノイド制御2026/10/15
事前学習済みの汎用モーショントラッカーに固有感覚履歴を条件とする残差アダプタを組み合わせ、多様な動作の追従と外力への全身コンプライアント応答を両立させたフレームワーク。
- Contact-UAN: ヒューマノイド制御のための残差ワールドモデルとしての教師なしアクチュエータネットワークsim2real2026/10/13
シミュレータの物理事前分布を保ちつつアクチュエータ動特性を補正する残差ワールドモデルを提案し、接触を考慮したリプレイで実機データから学習、力制御とトルク効率を改善して実世界へ転移させた。
- ワークスペースモデル：顕著性駆動型監督による軽量ロボットメモリマニピュレーション2026/9/17
訓練時にVLMでタスクに必要な情報を抽出し、軽量な潜在メモリ「ワークスペーストークン」に蒸留することで、展開時にVLM推論なしで記憶を要する操作タスクを解けるようにした。
- 少ないデータから多くを学ぶ：後知恵からの強化学習VLA/強化学習2026/7/10
VLAモデルの強化学習後訓練において、失敗したロールアウトを実際に達成したタスクに再ラベル付けする「後知恵からの学習」を提案し、サンプル効率を5倍向上させた。
- プロンプト駆動探索強化学習/探索2026/7/9
ロボット操作や推論タスクにおいて、報酬が得られない初期状態からでも、視覚言語モデルがロールアウト動画を分析してプロンプトを書き換えることで探索を促進し、強化学習の成功を可能にする手法を提案した。
- 日常の人間ビデオを用いたロボット操作ポリシーの共学習で重要な要素は何か？操作学習2026/6/4
ロボット操作ポリシーの共学習に日常の人間ビデオを用いる際、手のポーズの品質とネットワークの専門化が重要であることを示し、低ロボットデータ環境で成功率を29.7%向上させるレシピを提案した。
- KaRMA: ロボットハンドの巧緻操作能力を測る運動学的指標マニピュレーション2026/5/1
ロボットハンドの指先で物体を転がしながら連続的に動かす巧緻操作能力を、運動学のみで定量化する新しい指標KaRMAを提案し、16種類のハンドで評価した。
- 学習のためのチューニング：コントローラゲインがロボットポリシー学習をどう形作るかロボット学習2026/4/1
ロボットの操作ポリシー学習における位置コントローラのゲイン設定が、学習アルゴリズム（模倣学習、強化学習、sim-to-real転移）に与える影響を体系的に調査し、最適なゲイン選択はタスクの特性ではなく学習パラダイムに依存することを示した論文。
- 幾何力学とスピンモデル双対性による非対称多脚ロコモーションの接触計画歩行2026/2/1
幾何力学と統計力学のスピンモデル双対性を組み合わせ、多脚ロボットの接触計画をグラフ最適化問題として定式化し、従来の対称歩容を超える非対称歩容を発見した研究。
- SoftMimic: 例からの柔軟な全身制御の学習全身制御2025/10/1
人間の動作例から、外部からの力に柔軟に応答しながらバランスを保つヒューマノイドの全身制御方策を強化学習で学習するフレームワークを提案。
- DEXOP：巧みな人間操作をロボットへ転移するデバイスマニピュレーション2025/9/1
人間の手指をロボットハンドに機械的に接続する受動型外骨格DEXOPを開発し、視覚・触覚データを大規模に収集してロボットの巧みな操作スキルを効率的に学習させる手法を提案した。
- DexWrist：制約環境と動的マニピュレーションのためのロボット手首マニピュレーション2025/7/1
準ダイレクト駆動と非結合型パラレル機構を組み合わせたコンパクトなロボット手首を開発し、狭い環境での作業空間拡大と接触を伴う動的タスクの安定化を実現した。
- 深層強化学習によるソフトアクチュエータ昆虫サイズ飛行ロボットのホバリング飛行飛行制御/強化学習2025/2/1
遅延や不確かさに対処するため、状態行動再マッチング付き行動クローニングとPPOを組み合わせた深層強化学習制御器を設計し、720mgと850mgのソフト駆動昆虫サイズ飛行ロボットでゼロショットホバリングを実現した。
- アスレチックな移動操作のためのSim-to-Realギャップの橋渡しsim2real2025/2/1
実世界データを活用したUnsupervised Actuator Netと参照軌道を用いた事前学習・微調整により、ロボットが物を持ち上げたり投げたりする動的な移動操作をシミュレーションから実機へ高精度に転移させる手法を提案。
- マルチタスク学習のための専門家混合デノイザーを用いた効率的拡散トランスフォーマーポリシー模倣学習/拡散ポリシー2024/12/1
模倣学習向けに、ノイズ条件付きルーティングとスパースな専門家を組み合わせたMixture-of-Denoising Experts (MoDE) を提案し、拡散トランスフォーマーポリシーの計算コストを大幅に削減しつつ、複数のベンチマークで最先端性能を達成した。
- 超線形スケーリングを実現するロボット学習sim2real2024/12/1
クラウドソーシングで実世界シーンのデジタルツインを収集し、シミュレーション上で強化学習とモデル生成デモを組み合わせて、人間の労力に対して超線形的に性能が向上するデータ収集・学習パイプラインを提案。
- ロボット基盤モデル監査のための身体性レッドチーミングVLA2024/11/1
視覚言語モデルを使って文脈に即した難易度の高い指示を自動生成し、言語条件付きロボットモデルの性能と安全性を評価する手法を提案した。
- 逆生成モデリングによる少数ショットタスク学習少数ショット学習2024/11/1
事前学習した可逆生成モデルを使い、重み更新なしで数例から新しいタスク概念（目標や動作スタイル）を学習する手法を提案。物体再配置・ナビゲーション・動作キャプション・自動運転・実機卓上操作で検証。
- DexHubとDART：インターネット規模のロボットデータ収集に向けてデータ収集/遠隔操作2024/11/1
クラウドシミュレーションとARを組み合わせた遠隔操作プラットフォームDARTを提案し、クラウドソーシングによるロボットデータ収集を実現。収集データはDexHubに蓄積され、実世界への転移も確認された。
- 見回すことを学ぶ：人間らしい可動ネックによる遠隔操作と学習の強化遠隔操作2024/11/1
人間の首の動きを模した5自由度の可動ネックを遠隔操作システムに組み込み、覗き込みや傾け動作で作業効率と没入感を高め、模倣学習による自律方策の訓練も改善できることを示した。
- ORSO: オンライン報酬選択と方策最適化による報酬設計の加速強化学習/報酬設計2024/10/1
報酬整形関数の選択をオンラインモデル選択問題として定式化し、人間の介入なしに高性能な報酬関数を自動特定する手法を提案。連続制御タスクでデータ効率と計算時間を大幅に改善。
- 拡散方策の政策最適化VLA2024/9/1
拡散モデルベースの方策を強化学習の政策勾配法でファインチューニングするDPPOを提案し、ロボット操作タスクで高い性能と安定性を示した。
- EyeSight Hand：視覚ベース触覚センサと柔軟アクチュエーションを統合した全駆動型巧みなロボットハンドの設計マニピュレーション2024/8/1
7自由度の人間型ロボットハンドに視覚ベースの触覚センサと準直接駆動を統合し、模倣学習による複雑な操作タスクで触覚フィードバックの有効性を示した。
- 日常指：日常のインタラクティブ操作のニーズに応えるロボット指マニピュレーション2024/8/1
30種類の日常タスクをこなすための要件を満たす、直列弾性アクチュエーションを用いたコンパクトなロボット指を開発し、2指ハンドで皿の出し入れや薄い物体・繊細な物体の把持を実証した。
- 自動環境整形こそが強化学習の次のフロンティアsim2real2024/7/1
ロボット強化学習の主要なボトルネックはアルゴリズムではなく、観測・行動・報酬・シミュレーション力学といった訓練環境の設計（環境整形）であり、その自動化を研究コミュニティが目指すべきだと主張するポジションペーパー。
- 野菜の皮むき：制約付き巧みな操作のケーススタディマニピュレーション2024/7/1
食品の皮むきという下流タスクに向けて、把持を維持しながら物体を回転させる制約付き巧みな操作コントローラを学習するシステムを提案した。
- 模倣から洗練へ：精密組立のための残差強化学習マニピュレーション2024/7/1
行動クローニング（BC）で教えたロボットの精密組立タスクにおける信頼性の飽和問題を解決するため、凍結したBCモデルに閉ループの残差ポリシーを強化学習で追加するResiPを提案。
- ROER: 正則化付き最適経験リプレイ強化学習2024/7/1
TD誤差による優先度付けを占有測度最適化の観点から再解釈し、KL正則化に基づく新しい経験リプレイ手法ROERを提案。連続制御タスクやオフライン→オンライン微調整で性能向上を示した。
- 脚式マニピュレーションのための力制御学習脚式マニピュレーション2024/5/1
力センサを使わずに強化学習で直接的な力制御を学習し、四脚ロボットとアームの全身制御で重力補償やインピーダンス制御を実現した研究。
- Rank2Reward: 受動的動画から整形報酬関数を学習模倣学習2024/4/1
タスク実行の動画からフレームの時間的順序を学習し、強化学習のための整形報酬関数を推論する手法を提案。
- JUICER: ロボット組立のためのデータ効率の良い模倣学習模倣学習2024/4/1
少数の人間の実演データから、精密で長期的な組立作業を模倣学習で実現するパイプラインを提案し、シミュレーション上の家具組立タスクで有効性を示した。
- シミュレーションで現実を再現する：実世界からシミュレーションを経て実世界に戻るロバストマニピュレーション手法マニピュレーション2024/3/1
少量の実世界データからデジタルツインを構築し、強化学習で模倣学習ポリシーをロバスト化するreal-to-sim-to-realパイプラインを提案。
- 能動センシング歩行ポリシーによる物理特性の視覚推定学習歩行2023/11/1
四足ロボットが歩行中に地面をこするなど能動的に探索して物理特性を推定し、そのデータで画像から地形の摩擦などを予測する視覚システムを自己教師あり学習する手法。
- 非同期な人間フィードバックを用いた自律ロボット強化学習強化学習2023/10/1
遠隔ユーザーからの時折の非同期フィードバックを活用し、リセット不要で実世界環境においてロボットが継続的に自律学習するシステムGEARを提案した。
- 階層的計画のための構成型基盤モデルVLA2023/9/1
言語・視覚・行動の基盤モデルを組み合わせ、長期的な卓上操作タスクを階層的に計画・実行する手法を提案。
- 人間支援型言語プランナーによる生涯ロボット学習VLA2023/9/1
LLMベースのプランナーが新しいスキルを問い合わせ、人間の支援を受けてロボットに効率的に教え込み、獲得したスキルを将来のタスクで再利用できる生涯学習フレームワークを提案した。
- 並列Q学習：大規模並列シミュレーション下でのオフポリシー強化学習のスケーリング強化学習2023/7/1
GPUベースの大規模並列シミュレーション環境で、オフポリシー強化学習（Q学習）を効率的にスケールさせる並列Q学習（PQL）を提案し、PPOを上回る実時間性能とサンプル効率を実現した。
- グリッド細胞に着想を得た断片化と想起による効率的な地図構築ナビゲーション2023/7/1
脳のグリッド細胞の断片化現象に着想を得て、驚きに基づく空間クラスタリングで局所地図を断片化・長期記憶に保存し、必要時に想起して大規模空間を効率的に探索・地図構築する手法FARMapを提案した。
- ゴールへの道しるべ：人間参加型フィードバックによる目標条件付き探索強化学習/探索2023/7/1
非専門家からの低品質で非同期なフィードバックを活用し、報酬設計なしでロボットの探索と方策学習を実現するHuGEを提案。シミュレーションと実機の多段階ナビ・操作タスクで有効性を示した。
- 棚入れ・積み上げ・吊り下げ：マルチモーダルな再配置のための関係的姿勢拡散マニピュレーション2023/7/1
3D点群上で物体とシーンの関係的な配置姿勢を拡散モデルにより生成し、棚入れ・積み上げ・吊り下げなどの再配置タスクを実世界とシミュレーションで実現した研究。
- 診断・フィードバック・適応：テスト時ポリシー適応のための人間参加型フレームワーク人間参加型学習2023/7/1
ユーザーのフィードバックからタスクに無関係な概念を特定し、反事実的デモンストレーションを用いてデータ拡張を行うことで、個人の好みに適応したポリシーを実現する対話型フレームワークを提案。
- ランダム特徴を用いた自己教師あり強化学習によるタスク間転移強化学習2023/5/26
ランダムな報酬で自己教師あり事前学習したモデルフリー強化学習により、長期的な環境ダイナミクスを暗黙的にモデル化し、新しい報酬関数のタスクへ迅速に適応する手法を提案。
- DribbleBot：実環境での動的な脚式マニピュレーション脚式マニピュレーション2023/4/1
四足歩行ロボットがシミュレーションで強化学習した方策を実世界に転移し、搭載カメラのみでサッカーボールをドリブルするシステムを実現した。
- 触覚のみで物体を探索・把持するTactoFind触覚2023/3/1
視覚を使わず、指先の触覚センサのみで未知物体の位置推定・識別・把持を行うシステムを提案。
- 接触の幾何学：スピンモデル双対性による多脚ロボットの接触計画歩行2023/2/1
幾何学的力学とスピンモデルの双対性を利用し、多脚ロボットの接触計画をグラフ最適化問題に帰着させ、多項式時間で大域最適な接触系列を求める手法を提案。六脚・十二脚ロボットで新たな歩行・側方移動を実現した。
- ロボットと人間の表現のアラインメント表現学習2023/2/1
ロボットの学習した表現が人間の関心を反映するようアラインメントする問題を定式化し、現行手法を位置づけて今後の課題を示した。
- 歩き方いろいろ：行動の多様性による汎化のためのロボット制御チューニング歩行2022/12/1
単一の方策で多様な歩容（姿勢・速度・足運び）を実現する四足歩行コントローラを学習し、再学習なしに新しいタスクや環境に適応できるようにした。
- 視覚による器用さ：新規で複雑な物体形状のハンド内再配向マニピュレーション2022/11/1
単一の深度カメラを用いて、シミュレーションで強化学習した制御器により、未知の複雑な物体を実時間で任意の向きに再配向するシステムを実現した。
- グラフベース能動報酬学習による汎化可能な空間目標表現の発見模倣学習/報酬学習2022/11/1
物体再配置タスクのワンショット模倣学習において、物体間の空間関係をグラフと等価写像で表現し、逆強化学習と能動報酬学習を組み合わせることで、未知環境でも汎化する目標仕様を推定する手法GEMを提案した。
- ニューラル記述子場によるSE(3)同変な関係再配置マニピュレーション2022/11/1
少数の実演から物体間の空間関係を学習し、任意姿勢の未知物体を点群から再配置する手法を提案。ニューラル記述子場と単一の3Dキーポイント注釈を用いてタスク関連の局所座標系を推定する。
- 接触面登録による安定した物体の再配向マニピュレーション2022/8/1
条件付き生成モデルで接触面を分類し、雑音の多い部分点群から多様な剛体の安定姿勢を予測するシステムを提案。シミュレーションと実機で高い性能を示した。
- 強化学習による高速移動の実現歩行2022/5/1
強化学習で訓練したニューラルネットワーク制御器をシミュレーションから実機に転移し、MIT Mini Cheetahで最大3.9m/sの高速走行と旋回を実現した。
- 編み物触覚センサを備えたロボットマニピュレータの統合設計パイプラインマニピュレーション2022/4/1
モジュール部品とグラフ文法でマニピュレータを短時間で設計し、形状調整と触覚センサ面の選択後、3Dプリントと編み物の製造ファイルを自動生成するパイプラインを提案した。
- Stubborn：屋内物体ナビゲーションの強力なベースライン物体ナビゲーション2022/3/1
屋内で目標物体へ移動するタスクにおいて、探索・物体識別・地図構築の課題を改善し、学習なしの探索戦略や時系列情報の統合、マルチスケール衝突マップにより従来手法を上回るベースラインを提案した論文。
- ニューラル記述子場：操作のためのSE(3)同変物体表現マニピュレーション2021/12/1
物体と把持器などの相対姿勢をカテゴリレベルの記述子で符号化し、自己教師あり学習で訓練して、少ない実演から新しい物体への6自由度操作を実現した研究。
- 汎用的な手内物体再配向システムマニピュレーション2021/11/1
モデルフリーの枠組みで、手を上向き・下向きの両方で2000以上の多様な物体を手内で回転させる方策を学習し、実世界観測への蒸留で実機動作の可能性を示した。
- ピクセルから跳躍を学ぶ：視覚誘導型の俊敏な四脚ロコモーション歩行2021/10/1
視覚入力から地面反力をモデルベースで最適化しつつ強化学習で跳躍などの俊敏動作を獲得するDepth-based Impulse Controlを提案し、シミュレーションと実機で検証した。
- 接触を考慮したロボット設計のためのエンドツーエンド微分可能フレームワークロボット設計最適化2021/7/1
変形ベースのパラメータ化と接触を扱う微分可能剛体シミュレータを組み合わせ、ロボットの形状と制御を同時に勾配最適化する枠組みを提案した論文。
- 視覚運動制御のための3Dニューラルシーン表現視覚運動制御2021/7/1
NeRFと時間コントラスト学習を組み合わせ、2D画像から視点不変な3Dシーン表現を学習し、剛体や流体の操作タスクにおける視覚運動制御を実現した研究。
- タスク情報に基づく抽象表現の学習モデルベースRL2021/6/1
報酬と相関する視覚特徴と妨害要素を分離するTIAを提案し、視覚制御タスクでの性能向上を実現した。
- マイクロロボット制御のための残差モデル学習マイクロロボット/モデル学習2021/4/1
近似モデルを活用して学習に必要なデータ量を大幅に削減する残差モデル学習(RML)を提案し、わずか12秒の受動的データからHAMRのモデルを学習して歩行・旋回行動の獲得に成功した。
- 剛体点群物体操作のための長期的計画フレームワークマニピュレーション2020/11/1
点群観測から直接、物体モデルなしで剛体操作の長期的計画を解くフレームワークを提案し、物体サブゴール空間での計画とグラフアテンションNNにより未知物体への汎化を実現した。
- 関係強化学習による実用的な複数物体操作への挑戦マニピュレーション2019/12/1
グラフベースの関係アーキテクチャと段階的カリキュラムを組み合わせ、疎な報酬でも複数ブロックの積み上げを少ないデータで学習し、未学習の配置にもゼロショットで汎化できることを示した。
- インタラクションによるインスタンスセグメンテーションの学習インスタンスセグメンテーション2018/6/1
ロボットが環境と自己教師ありで相互作用しながら視覚観測を物体ごとに分割するセグメンテーションモデルを学習する手法を提案し、新規物体や背景への汎化と下流の視覚制御タスクでの有用性を示した。
- ゼロショット視覚模倣学習模倣学習2018/4/1
エージェントが専門家の行動なしに自己探索でスキルを獲得し、目標画像列だけから新しいタスクを模倣できる枠組みを提案した論文。
- 自己教師あり予測による好奇心駆動型探索強化学習・探索2017/5/1
自分の行動の結果を自己教師あり学習した特徴空間で予測し、その予測誤差を好奇心として内的報酬に用いることで、報酬が乏しい環境でも効率的に探索できる強化学習手法を提案した。
- 自己教師あり学習と模倣を組み合わせた視覚ベースのロープ操作変形物体操作2017/3/1
人間がロープを操作する画像列を入力に、自己教師あり学習で得たピクセル単位の逆動力学モデルと模倣による高レベル計画を組み合わせ、ロープを目標形状へ操作する手法を提案。
- 突いて学ぶ：直感的物理の経験学習マニピュレーション2016/6/1
ロボットが10万回以上の突き動作を実機で行い、画像から順モデルと逆モデルを同時学習することで直感的物理モデルを獲得し、多段階の意思決定に活用できることを示した。
- 移動を通じて視ることを学ぶ自己教師あり学習2015/5/1
自己運動（エゴモーション）の情報を教師信号として視覚特徴を学習し、物体認識やシーン認識、視覚オドメトリなどでクラスラベル学習に匹敵する性能を示した研究。
