Rohan Paleja
Purdue University
収録論文 21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
- End-to-End自動運転のメカニスティック解釈可能性自動運転/解釈可能性2026/10/30
単眼カメラのEnd-to-End経路計画モデルの内部活性にSparse Autoencoderを適用し、経路意図や速度・ブレーキ挙動に対応する解釈可能な特徴を抽出。特徴操作で計画出力が予測的に変化することを示し、SAE特徴を用いたアダプタで軌道選択誤差を3.44%削減した。
- 時間的に解釈可能な微分可能決定木解釈可能な強化学習2026/10/7
行動チャンキングと情報理論的な木再構築により、逐次意思決定タスクにおける微分可能決定木の時間的解釈性を向上させる手法を提案した。
- 非同期分散アライメントによるリアクティブなリアルタイムフローポリシーVLA2026/9/29
VLAの非同期実行で生じる行動分布のずれを、フローフィールド蒸留と提案・解決機構で補正し、リアルタイム性と反応性を両立させる手法を提案。
- hint$^2$: 推論時時間論理ガイダンスのための階層的世界モデル操作/時間論理/世界モデル2026/8/13
ロボットの操作ポリシーを線形時間論理(LTL)で表される複雑な指示に従わせるため、階層的世界モデルを用いて推論時に高レベルと低レベルの2つのガイダンスを生成する手法を提案した。
- 時相論理によるアクションのみの拡散ポリシーへのガイダンス：ワールドモデルを用いた手法拡散ポリシー/時相論理/ワールドモデル2026/6/1
アクションのみを生成する拡散ポリシーに対し、学習済みワールドモデルを用いてSTLロバストネスを微分可能に評価し、その勾配を拡散過程に注入することで、再学習なしに制約充足を改善する手法を提案。Robomimicのタスクで成功率100%を維持しつつ制約違反を大幅削減した。
- 複合ロボットチームの通信と協調のための異種ポリシーネットワーク群制御2026/6/1
異なる状態・行動・観測空間を持つエージェントからなる異種ロボットチームの協調と通信を学習するため、異種グラフアテンションネットワークに基づくHetNetを拡張し、スケーラビリティとバイナリメッセージの効率的な学習を実現した。
- 微分可能な信念に基づく対戦相手形成マルチエージェント強化学習2026/5/27
対戦相手の信念を状態として捉え、その信念更新を微分可能な形でモデル化することで、報酬構造から最適な戦略を自動的に学習する新しい対戦相手形成手法を提案した。
- イベント基盤のスパースオートエンコーダによる視覚言語行動ポリシーの解釈VLA解釈可能性2026/5/1
視覚言語行動(VLA)ポリシーの隠れ表現を、行動イベントに基づいてスパースオートエンコーダ(SAE)で分析し、閉ループ行動への因果効果を評価する解釈可能性パイプラインを提案した。
- 部分観測環境における混合役割人間チームの非同期訓練人間ロボット協調2024/12/1
人間の代わりに自律エージェントと協調訓練を行う非同期訓練パラダイムを提案し、部分観測協力ゲームで人間被験者実験により有効性を検証した。
- 自己教師あり初期化学習による高速モデル予測制御モデル予測制御2024/8/1
MPCの初期解を生成するポリシーを強化学習で学習し、最適化時間を短縮しつつ制御性能を向上させるフレームワークを提案。
- 人間と機械の協調を可能にする対話的・説明可能システムの設計人間機械協調2024/6/1
料理ゲーム環境で人間とAIの協調を検証し、対話的に再プログラム可能な説明可能AIがチーム性能を向上させる一方、学習ベース手法は単純な協調ヒューリスティックに劣ることを示した。
- ロボティクスと連続制御のための解釈可能な強化学習解釈可能RL2023/11/1
勾配ベース強化学習で直接最適化できる木構造モデルICCTを提案し、自動運転などで高性能かつ解釈可能な方策を実現した。
- 疎な観測環境におけるマルチエージェント強化学習による敵対的探索と追跡群制御2023/6/1
広大な空間で逃げ回る敵を追跡するため、学習可能なフィルタリングモデルで敵位置を推定し、マルチエージェント強化学習で探索チームを協調させる手法を提案した。検出率が46%向上した。
- 高速近接協働におけるロボットの技能レベルとコミュニケーションの影響人間ロボット協働2023/4/1
人とロボットが近接して高速に協働する卓球ダブルスの実験環境を提案し、ロボットの技能や意図発話がチーム性能・安全・信頼に与える影響をユーザー研究で調べた。
- 車いすテニスロボットにおける人間フィードバックを用いたプリミティブ最適化マニピュレーション2022/12/1
車いすテニスロボットのグラウンドストロークを打つタスクに対し、確率的運動プリミティブ（ProMP）を拡張し、人間の評価フィードバックを用いてオンラインでプリミティブを改良する手法を提案・評価した。
- 車いすテニスを自律プレイする移動マニピュレータシステムマニピュレーション2022/10/1
車いすテニスの規定シングルスを自律でプレイできる初のオープンソースロボットを提案し、グラウンドストロークの実行性能とハード・ソフト各要素を評価した。
- デモンストレーションからの高速生涯適応逆強化学習模倣学習2022/9/1
ユーザーのデモンストレーションからロボットが素早く適応し、生涯にわたって効率的に学習する新しい枠組みFLAIRを提案。ポリシー混合により異なる好みに即応し、共通知識を蒸留してタスク推論を高精度化、必要な時だけモデルを拡張する。
- 解釈可能で高性能な自動運転ポリシーの学習自動運転/強化学習2022/2/1
強化学習で直接最適化できる疎な決定木表現「ICCT」を提案し、自動運転で高性能かつ解釈可能なポリシーを実現した。
- サンプル効率の良い準最適デモンストレーションからの見習い学習に向けて見習い学習2021/10/1
準最適なデモンストレーションから報酬関数を学習する際、ノイズ注入ではなく体系的な軌道劣化を用いるS3RRを提案し、従来手法と同等以上の報酬相関を得られることを示した。
- 自己教師あり報酬回帰による準最適デモンストレーションからの学習模倣学習2020/10/1
準最適なデモンストレーションから最適性パラメータ化データを合成し、理想的な報酬関数を学習することで、ロボットに卓球のトップスピン打法を教える手法を提案した。
- 報酬ネットワーク蒸留による異種デモンストレータ間の目標と戦略の同時推定逆強化学習2020/1/1
複数の人間のデモンストレータから、共通のタスク目標と各人の戦略的選好をネットワーク蒸留で同時に推定する逆強化学習手法を提案し、卓球タスクなどで有効性を示した。
