Russell Mendonca
収録論文 12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
- 複雑タスクのための両手巧み操作システムBidexテレオペレーション2024/11/1
モーションキャプチャグローブとティーチャーアームを用いた低コスト・低遅延の両手巧みテレオペレーションシステムBidexを開発し、複雑タスクで高品質なデータを高速に収集できることを示した。
- Neural MP: 汎用ニューラル動作計画器動作計画2024/9/1
シミュレーションで大量の複雑シーンと専門家データを生成し、反応的な汎用方策へ蒸留して軽量最適化と組み合わせることで、実世界の動作計画を高速かつ高成功率で実現した。
- 自律的な実世界強化学習による移動マニピュレーションの継続的改善移動マニピュレーション2024/9/1
人間の監督や大規模な計測装置なしに、実世界で移動マニピュレーション方策を継続的に学習・改善する強化学習フレームワークを提案し、Spotロボットで4つの難タスク平均80%の成功率を達成した。
- 報酬勾配による動画拡散モデルのアラインメント動画生成2024/7/1
事前学習済み報酬モデルから動画拡散モデルへ勾配を逆伝播させ、少ない計算量とサンプルで下流タスクに適応させる手法を提案。
- オープンワールドにおける関節物体の適応的モバイルマニピュレーションマニピュレーション2024/1/1
実世界のドアやキャビネットなどの関節物体を操作するため、行動クローニングとオンライン学習を組み合わせた適応学習フレームワークと低コストなモバイルマニピュレーションシステムを開発し、成功率を50%から95%に向上させた。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 環境とエージェントの表現を分離した効率的強化学習強化学習2023/9/1
エージェント自身の形状やマスク情報を補助損失として活用し、環境とエージェントの表現を分離して学習することで、視覚ベースの強化学習を効率化する手法を提案した。
- 人間の動画から構築する構造化ワールドモデルマニピュレーション2023/8/1
人間の動画から視覚的アフォーダンスに基づく行動空間とワールドモデルを学習し、少数のロボット実機データで微調整することで、30分以内に多様なマニピュレーション技能を獲得する手法を提案。
- 人間の動画から抽出するロボットのためのアフォーダンス表現VLA2023/4/1
インターネット上の人間の行動動画から視覚的アフォーダンスモデルを学習し、ロボットが複雑なタスクを実行できる汎用的な表現として活用する手法を提案。
- ALAN: 実世界で自律的に探索するロボットエージェント自律探索2023/2/1
環境変化を指標に不確実性を最大化することで、実世界のキッチン環境でロボットが自律的に探索し、目標画像で指定された操作スキルを効率的に学習する手法を提案。
- 世界モデルによる多様な目標の発見と達成世界モデル2021/10/1
画像から世界モデルを学習し、想像上のロールアウトで探索方策と達成方策を訓練することで、教師なしで多様な目標を発見し、目標画像をゼロショットで達成する手法LEXAを提案した論文。
- 連合型メタ方策探索メタ強化学習2019/4/1
各タスクをオフポリシー学習で解き、その解を模倣して単一のメタ学習器に統合することで、メタ強化学習のサンプル効率を大幅に改善する手法を提案した。
