Risto Kojcev
収録論文 8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
- gym-gazebo2:ROS 2とGazeboによる強化学習ツールキットsim2real2019/3/1
ROS 2とGazebo上でOpenAI Gym準拠の強化学習を行えるツールキットgym-gazebo2を提案し、PPOでロボットアームMARAの制御を学習してミリ単位の精度を達成した。
- ROS2Learn:ROS 2向け強化学習フレームワーク強化学習2019/3/1
GazeboとROS 2を連携させ、モジュラー型ロボットアームの関節状態から直接強化学習で方策を学習するフレームワークを提案し、複数アルゴリズムを比較評価した。
- クラウド上のROS/Gazeboシミュレーションでロボット学習を加速するフレームワークsim2real2018/8/1
ROSとGazeboを用いてクラウド上でシミュレーション学習を行うrobot_gymを提案し、実機と同等の精度を保ちつつ学習時間を33%以上短縮できることを示した。
- モジュール式ロボットのための深層強化学習手法の評価強化学習2018/2/1
モジュール式ロボットに深層強化学習を適用する枠組みを提案し、シミュレーションと実機で連続行動空間の手法の頑健性を評価した。自由度を3から4に増やしても学習に影響しないことを示した。
- モジュラーロボットのための情報モデル:HRIM標準化2018/2/1
ロボット部品の相互運用性を高めるため、ハードウェア指向のプラグアンドプレイ標準情報モデルHRIMを提案した論文。
- 自己適応ロボットへ向けて:プログラミングから機械の訓練へ自己適応ロボット2018/2/1
ハードウェアのモジュール性とAIを組み合わせ、プログラムではなく訓練によってロボットに汎化性の高い頑健な行動を獲得させる自己適応ロボットの概念を、シミュレーションと実機で実証した。
- モジュラーロボットのための階層学習による再構成可能な制御モジュラーロボット2018/2/1
階層的な学習手法を用いて、モジュラーロボットが複数のタスクを同時に学習し、異なる構成(3自由度・4自由度)間で適切な運動プリミティブと構成を選択できるニューラルネットワークを訓練し、実機に転移して汎化性を示した。
- ロボティクスの解剖:歴史的概観と将来展望レビュー2017/4/1
ロボティクス分野のここ数十年の主要なマイルストーンを振り返り、技術的課題や市場投入の難しさ、統合時間・コスト削減の必要性を論じたレビュー論文。
