Rae Jeong
収録論文 6本 ・ フィジカルAI/ロボット学習
マニピュレーションsim2real
※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
- ピックアンドプレースを超えて:多様な形状の物体のロボット積み重ねへの挑戦マニピュレーション2021/10/1
複雑な形状の物体をロボットで積み重ねる課題に対し、強化学習と視覚ベースの対話型方策蒸留、sim2real転移を組み合わせた手法を提案し、実世界で多様な積み重ねスキルを実現した。
- 準最適な専門家から器用な操作を学習するマニピュレーション2020/10/1
準最適な専門家データとオンライン探索データを組み合わせて活用できる相対エントロピーQ学習(REQ)を提案し、ロボット操作タスクで有効性を示した論文。
- 「何を」解くかに焦点を当てた未把持ペグ挿入タスクのゼロからの学習マニピュレーション2020/10/1
自由に回転する非対称ペグを把持せずに挿入する高難度の劣駆動タスクを、補助制御と階層方策最適化を組み合わせたマルチタスク強化学習でシミュレーションと実機の両方でゼロから解決した。
- 強化学習による一般化力のモデリングでシミュレーションから実機への転移を実現sim2real2019/10/1
状態依存の一般化力を強化学習で最適化し、解析モデルを改良することで、わずか数分の実機データでsim-to-realの制御方策転移を改善するフレームワークを提案した。Sawyerロボットの非把持マニピュレーションで有効性を示した。
- 視覚的ロボット操作のための自己教師ありSim-to-Real適応sim2real2019/10/1
シミュレーションで深層強化学習により潜在状態表現を学習し、ラベルのない実ロボット画像データを用いた時系列ベースの自己教師あり目的関数で実環境に適応させる手法を提案した。
- 報酬スケッチとバッチ強化学習によるデータ駆動ロボティクスのスケーリングマニピュレーション2019/9/1
人間のアノテーションから報酬関数を学習し、大規模なロボット経験データとバッチ強化学習を組み合わせて、実機での物体積み上げや布操作などのマニピュレーションタスクをオフライン学習するフレームワークを提案した。
