Ruggero Carli
University of Padova
収録論文 29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
- 閉鎖環境における水中ビークル・マニピュレータシステムの階層型トポロジー認識計画と制御水中ロボット/計画・制御2026/8/1
水中ロボットアーム(UVMS)が狭く障害物の多い環境で作業するための、3層の階層的計画・制御フレームワーク「MANTA」を提案。通路の接続性、操作可能性、実行の安定性を考慮し、シミュレーションで高い成功率を達成した。
- 部分モジュラーマルチエージェントポリシー学習によるオープンマルチエージェントシステムにおけるオンライン分散タスク割り当てマルチエージェント強化学習2026/5/13
本論文は、部分モジュラーなチーム効用を持つマルチエージェント強化学習を用いて、オンライン分散タスク割り当て問題を解決する。カテゴリカルポリシーと整合する新しい連続緩和法(PME)を導入し、SubMAPGという集中学習・分散実行のポリシー勾配法を提案する。
- 合成ニューロシンボリック監視による視覚言語モデルからの構造化ロボットポリシー学習VLA/構造化ポリシー2026/4/1
視覚言語モデルを用いて、視覚観察と自然言語指示から実行可能なビヘイビアツリーポリシーを自動生成するニューロシンボリック手法を提案し、合成データのみで学習したモデルが実ロボットで動作することを示した。
- VLMが自動生成するビヘイビアツリーと能動知覚によるReal2Simsim2real2026/1/1
VLMが自然言語指示から不足する物理パラメータを特定し、ビヘイビアツリーを自動生成して接触を伴うロボット動作で効率的に推定するReal2Simフレームワークを提案。
- 冗長ロボットのためのタスクスタック管理の学習マニピュレーション2025/8/1
遺伝的プログラミングとシミュレーション評価を組み合わせ、冗長ロボットのタスク優先度や制御パラメータを含むスタック・オブ・タスク制御器全体をユーザー指定のコスト関数から自動学習するフレームワークを提案し、実機転移を実証した。
- 未知の不確かさを持つロボットマニピュレータのためのガウス過程に基づくロバスト制御マニピュレーション2025/7/1
ガウス過程回帰でモデル誤差を推定し、その分散に基づくロバスト項を加えたフィードバック線形化制御を提案。2自由度平面ロボットで漸近的な軌道追従を数値的に検証した。
- 進化戦略による深層強化学習方策の微調整:劣駆動ロボット制御への応用強化学習2025/7/1
深層強化学習で訓練した方策を進化戦略(SNES)で微調整し、劣駆動ロボットの制御性能とロバスト性を向上させる手法を提案した論文。
- 非線形軌道最適化によるモデルベース強化学習の加速モデルベース強化学習2025/6/1
モデルベース強化学習MC-PILCOにiLQRを組み合わせ、探索軌道生成と方策初期化を行うことで、収束を加速し実行時間を最大45.9%削減した。
- モデルベース強化学習による劣駆動システムの大域制御学習モデルベース強化学習2025/4/1
MC-PILCOというモデルベース強化学習手法を用いて、ペンダボットとアクロボットの大域的な制御方策を学習し、RealAIGym競技会での優位性を示した論文。
- 大規模言語モデルを用いた実世界ロボットマニピュレーションのための自律強化学習に向けてマニピュレーション2025/3/1
GPT-4を使って自然言語のタスク記述から報酬関数と成功基準を自動生成し、シミュレーションで強化学習エージェントを訓練して実機ロボットに展開するパイプラインを提案した。
- モデルベース強化学習によるデータ効率的なロボット投擲マニピュレーション2025/2/1
モデルベース強化学習フレームワークMC-PILOTを提案し、ロボットアームによる物体のピック・アンド・スローを少ないデータで高精度に実現、新しい目標位置への汎化も速いことを示した。
- モデルベース強化学習による劣駆動二重振り子の制御学習モデルベース強化学習2024/9/1
IROS 2024のAIオリンピック第2回大会に向けた、モデルベース強化学習アルゴリズムMC-PILCOを用いた劣駆動二重振り子の制御手法を提案・実装した。
- 進化的Soft Actor-CriticによるAIオリンピック挑戦強化学習2024/9/1
IROS 2024のAIオリンピック競技に向けて、モデルフリー深層強化学習と進化的戦略を組み合わせた手法を提案した論文。
- ロボットマニピュレータの未知の不確かさに対応する適応ロバスト制御器マニピュレーション2024/6/1
モデル不確かさの事前知識を必要とせずに補償できる新しい適応ロバストフィードバック線形化手法を提案し、収束性を理論的に証明した。シミュレーションで従来の不確かさ考慮手法と同等の性能を示した。
- ニューラルネットワークによるロボットアームの関節トルク予測マニピュレーション2024/5/1
実機の6自由度マニピュレータを対象に、単一・複数・カスケード型のニューラルネットワークで関節トルクを予測し、関節間の物理的依存関係を組み込んだカスケード型が最も高精度であることを示した。
- ガウス過程回帰に基づくロボット逆動力学同定のためのブラックボックス物理情報推定器逆動力学/ガウス過程2023/10/1
ロボットの運動・位置エネルギーをガウス過程でモデル化し、ラグランジアン由来の多項式カーネルを用いて逆動力学を高精度・高データ効率で同定するブラックボックス手法を提案。
- データ駆動型逆動力学学習による順動力学推定ロボットモデリング2023/7/1
逆動力学モデルから慣性や重力などの物理成分を抽出し、順動力学を閉形式で推定する手法を提案。シミュレーションロボットで有効性を検証した。
- 速度計測なしの生位置データからのモデルベース強化学習制御モデルベース強化学習2023/1/1
速度が直接計測できない機械系に対し、過去の位置と入力からなる速度不要の状態表現とガウス過程回帰を用いたモデルベース強化学習法VF-MC-PILCOを提案し、シミュレーションと実機で有効性を示した。
- サンプル通信下での協調マルチロボット軌道追従制御群制御2021/12/1
通信サンプリングが粗い状況で複数ロボットの協調軌道追従を実現する逆運動学制御器を提案し、安定性・収束率の解析式とケーブル吊り荷物の協調空中操作シミュレーションで有効性を示した論文。
- サンプル通信を用いた過冗長協調マニピュレーションの制御協調マニピュレーション2021/12/1
複数ロボットがケーブルやアームで物体を協調搬送する際、通信による局所フィードバック制御で外乱抑制と物体への構造的負荷低減を図り、サンプリング周期が系の時定数に近い現実的条件下での安定性条件を導出した研究。
- ブラックボックスガウス過程モデルに基づくフィードバック線形化による機械システムの制御制御2021/4/1
ガウス過程モデルを用いたフィードバック線形化による軌道追従制御を検討し、7自由度マニピュレータのシミュレーションで2つの制御戦略とカーネル選択を比較した。
- モンテカルロ勾配推定によるモデルベース方策探索と実機応用モデルベース強化学習2021/1/1
ガウス過程でダイナミクスをモデル化し、モンテカルロ法で方策勾配を推定するモデルベース強化学習MC-PILCOを提案。シミュレーションと実機(フルータ振り子・ボールプレート)で有効性を検証した。
- 部分観測系のためのモデルベース方策探索モデルベース強化学習2021/1/1
状態を直接観測できない系に対し、状態オブザーバを陽に考慮してガウス過程とモンテカルロ法で方策を最適化するモデルベース強化学習アルゴリズムを提案し、シミュレーションと実機で有効性を示した。
- 汎用設計マルチロータ機のためのアクチュエータモデルを強化した非線形モデル予測制御制御/MPC2019/11/1
任意配置・任意姿勢のロータを持つマルチロータ機に対し、アクチュエータの物理的制約を陽に組み込んだ統一非線形モデルを用い、軌道計画と追従を同時に行うオンラインNMPCを提案・検証した論文。
- 幾何学的着想に基づく多項式カーネルによるデータ効率の良いロボット逆動力学推定逆動力学/ガウス過程2019/4/1
逆動力学が多項式関数で表せる性質を利用し、剛体動力学を含む有限次元の再生核ヒルベルト空間を定義する新しいGIPカーネルを提案。ガウス過程回帰により、少ないデータで高精度かつ汎化性の高い逆動力学推定を実現した。
- 視覚データ時系列からのロボット運動構造分類ロボットモデリング2019/3/1
視覚観測から得た時系列データを用いて、ロボットのリンク列・関節種類・入力信号を同定する低計算コストなアルゴリズムを提案した。
- 横方向推力に制約を持つ飛行ロボットの全姿勢トラッキング制御飛行制御2016/5/1
主推力方向以外の力が小さい飛行ロボットを対象に、位置と姿勢を独立に追従させるSE(3)上の幾何学的制御則を提案し、実験で有効性を示した論文。
- ゴシップ通信による分散分割とカバレッジ制御群制御2010/11/1
非凸環境をグラフで表現し、近距離の不確実なゴシップ通信のみを用いてロボット群が領域を分割・カバーする分散アルゴリズムを提案し、有限時間でペアワイズ最適分割に収束することを証明した。
- ゴシップ通信によるペアワイズ最適離散カバレッジ制御群制御2010/8/1
ロボット群がグラフ上の離散環境をカバーするため、エージェント間のペアワイズなゴシップ通信のみで分散的に配置を最適化するアルゴリズムを提案し、従来のLloyd法より優れた性能を持つペアワイズ最適分割へ収束することを示した。
