Scott Niekum
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
- 正則化潜在ダイナミクス予測は行動基盤モデルの強力なベースラインである強化学習2026/3/1
ゼロショット強化学習のための状態特徴学習において、複雑な表現学習目的が本当に必要かを検証し、潜在空間での次状態予測に直交性正則化を加えたシンプルな手法RLDPが、既存の複雑な手法と同等以上の性能を達成することを示した。
- DeepFleet: 大規模モバイルロボット群のためのマルチエージェント基盤モデル群制御2025/8/1
アマゾン倉庫の数十万台のロボットの移動データで訓練した4種類の基盤モデルを比較し、ロボット中心型とグラフ床型が最も有望であることを示した。
- 目標条件付き強化学習のためのヌル反事実的因子相互作用目標条件付き強化学習2025/5/6
物体中心タスクで後知恵リラベリングが失敗する問題に対し、原因物体が存在しなければ対象物体の遷移が変わったはずという「ヌル反事実」で相互作用を定義し、それを後知恵リラベリングと組み合わせて学習効率を改善する手法を提案した。
- 行動基盤モデルの高速適応強化学習2025/4/1
事前学習済み行動基盤モデルのゼロショット方策を、低次元タスク埋め込み空間での探索によりオンライン数ステップで高速適応させる手法を提案。
- RLZero: ドメイン内教師なしで言語から直接方策を推論VLA2024/12/1
言語指示から動画生成モデルで想像した観測を対象環境に投影し、教師なし強化学習で事前学習したエージェントが即座に模倣することで、追加学習なしに言語から行動を生成する手法を提案。
- SkiLD: 因子間相互作用に導かれた教師なしスキル発見教師なし強化学習2024/10/1
状態を因子に分解し、因子間の多様な相互作用を引き起こすスキルを教師なしで学習する手法を提案。家庭環境ロボットなど長期的な疎報酬タスクで既存手法を上回る。
- オフラインデータセットを用いた観察からの模倣学習への双対アプローチ模倣学習2024/6/1
専門家の行動データなしに観察のみから模倣するため、双対性原理に基づく多段効用関数を直接学習するDILOを提案し、高次元観察でも性能を向上させた。
- ロボットエアホッケー:強化学習のためのマニピュレーションテストベッドsim2real2024/5/1
ロボットエアホッケーを題材に、到達からブロック押し出しまで多様なタスクと2つのシミュレータ・実機を含む強化学習テストベッドを構築し、模倣学習・オフラインRL・スクラッチRLで評価した。
- SMORE: オフライン目標条件付き強化学習のためのスコアモデルオフライン強化学習2023/11/1
オフラインデータのみを用いて多様な目標を達成するスキルを学習するため、混合分布マッチングに基づく識別器不要の手法を提案し、操作・歩行タスクで既存手法を大幅に上回る性能を示した。
- 階層的エンパワーメント:扱いやすいエンパワーメントベースのスキル学習に向けてスキル学習2023/7/1
目標条件付き階層強化学習の概念を統合し、短期的なエンパワーメント計算のための新しい変分下界と、指数関数的に長い時間スケールでの階層的アーキテクチャを導入することで、エンパワーメントベースのスキル学習をより扱いやすくするフレームワークを提案。
- グレンジャー因果的相互作用スキル連鎖階層強化学習2023/6/1
状態因子間の相互作用を検出し、少数のタスク非依存スキルを連鎖させて制御する階層強化学習手法COInSを提案し、ロボット押しタスクやBreakoutでサンプル効率と性能を改善した。
- 双対強化学習:強化学習と模倣学習の統一と新手法強化学習2023/2/1
強化学習と模倣学習の既存手法を双対問題として統一的に捉え、その制約を解消する新手法ReCOILとf-DVLを提案し、ロボットの移動・操作タスクで性能向上を実証した。
- ロボットへの操作タスク教示における人間の音声パターンの理解教示学習2022/11/1
ロボットに多段階の操作タスクを教示する際の人間の音声を、発話時間・韻律・意味内容の3特徴で分析し、教示条件やエラーなど4次元で音声が豊富な情報を伝えることを明らかにした。
- 基盤モデルはロボットマニピュレーションのゼロショットタスク指定ができるか?VLA2022/4/1
インターネット画像・手描きスケッチ・言語文といった多様な目標指定に対し、大規模事前学習モデル(基盤モデル)がゼロショットでロボット操作タスクを指定できるかをシミュレーションと実世界データで検証した。
- 模倣学習のためのランキングゲーム模倣学習2022/2/1
模倣学習を方策と報酬の2プレイヤーランキングゲームとして定式化し、専門家デモと選好データの両方から同時に学習できる新アルゴリズムを提案した論文。
- 一度だけ評価せよ:オフライン強化学習のためのシンプルなベースラインオフラインRL2021/10/1
オフライン強化学習において、ポリシー評価を一度だけ行う単純なベースラインを提案し、D4RLベンチマークで競争力のある性能を示した。
- 深度画像から関節モデルの分布を推定するDUST-net関節物体認識2021/8/1
深度画像から物体の関節モデルパラメータの分布をカテゴリ事前知識なしで学習するDUST-netを提案し、不確実性を考慮した高精度な推定を実現した。
- 自己教師ありオンライン報酬整形による疎報酬環境の効率化強化学習2021/3/1
疎な報酬しか得られない環境で、軌跡のランキングを自己教師信号として報酬関数を自動的に密化し、任意のRLアルゴリズムのサンプル効率を向上させる手法を提案した。
- 位置制御の経験を拡張して剛性制御を学習するSCAPEマニピュレーション2021/2/1
位置制御のデモンストレーションを近似的な剛性制御デモに変換し、強化学習と組み合わせて高次元の剛性制御ポリシーを効率的に学習する手法を提案した。
- 暗黙的な人間フィードバックからのタスク学習フレームワークEMPATHICヒューマンフィードバック学習2020/9/1
人間の表情や身振りなどの暗黙的フィードバックを報酬や優位性といったタスク統計量に変換し、それを用いてエージェントのタスク学習を行う2段階フレームワークを提案した論文。
- ScrewNet:スクリュ理論を用いた深度画像からのカテゴリ非依存な関節モデル推定関節物体認識2020/8/1
スクリュ理論で関節種類を統一的に表現し、深度画像から物体の関節モデルをカテゴリ事前知識なしで推定する手法を提案した論文。
- ロボットマニピュレーションのための学習:課題・表現・アルゴリズムのレビューマニピュレーション2019/7/1
ロボットマニピュレーション学習の研究を統一的な枠組みで整理し、課題・表現・アルゴリズムを概観したサーベイ論文。
- 不確実性下での階層的計画のためのハイブリッド物体運動学の学習マニピュレーション2019/7/1
物体運動データから動作条件付き推論で変化点を検出し、局所運動モデルを推定してハイブリッドオートマトンに変換、階層的POMDP計画と組み合わせる手法MICAHを提案した。
- ロボット学習における教示者の視線パターンの理解教示学習2019/7/1
人間がロボットに作業を教示する際の視線パターンを分析し、視線情報が参照枠推定やタスク分割、報酬推定に有効であることを示した研究。
- 不確実性を考慮したデータ集約による深層模倣学習模倣学習2019/5/1
Monte Carlo Dropoutで制御出力の不確実性を見積もり、自信がない状態だけを選んで専門家のデータを集めることで、自動運転などの模倣学習を効率よく改善する手法を提案した。
- 対話型自律ロボットのための階層型アーキテクチャLAAIRアーキテクチャ2018/11/1
人間とのインタラクションに素早く反応できるよう、反応的スキルと熟考的制御の両方に柔軟にアクセスする最上位反応モジュールを加えた新しいロボットソフトウェアアーキテクチャを提案し、家庭用サービスロボットで検証した。
- 修正デモンストレーションからのオンライン学習に向けてオンライン学習2018/10/1
ロボットのタスクモデルに修正デモを効率的に取り込むため、モデルの一部のみを局所更新するSITUアルゴリズムを提案した論文。
- 補助動画からの行動局在化による一回観察学習模倣学習2018/6/1
1回の教示と補助動画から多段階タスクの各行動を局在化し、報酬関数と方策を学習してロボットに実行させる手法を提案。
- 不確実性とハイブリッドダイナミクス下での効率的な階層型ロボット動作計画動作計画2018/2/1
非線形ダイナミクスを局所モデルの離散集合として扱うハイブリッド系に対し、高レベル計画と連続状態計画を階層化したPOMDPプランナを提案し、計算コストを大幅に削減しつつ観測ノイズの大きいナビゲーションや組立作業を実現した。
