Sehoon Ha
収録論文 81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
- 視覚障害者支援ロボットのためのLLMによる障害物回避ナビゲーション説明説明可能ナビゲーション2026/10/20
盲導犬ロボットの障害物回避動作を大規模言語モデルで自然言語説明する枠組みを提案し、Unitree Go2で実装して説明の文脈構成が信頼と満足度に与える影響を評価した。
- ゲーム誘導型スキル発見：自己対戦による操作可能なエージェント制御スキル発見2026/9/30
ゲーム内の自己対戦を利用して、人間が直接操作できる意味的に異なる運動スキルを発見する枠組みを提案し、Ant・Frankaアーム・Unitree G1で未学習タスクを人間がスキルを組み合わせて解けることを示した。
- PrefPI: 選好ガイドによる分布外行動への誘導VLA2026/9/30
自己生成軌道への相対選好のみを用い、事前学習済み生成ロボット方策を初期の有効範囲を超えた行動へ反復的に誘導する枠組みを提案。拡散方策やVLAで実機の物体運搬高さを10.7cmから19.8cmへと大幅に変化させた。
- CF-JEPA: 可制御性の因子分解によるJEPA世界モデルのロバスト性向上世界モデル2026/9/30
JEPA型世界モデルの潜在空間を制御可能・不可能な部分空間に分離し、背景の妨害情報に頑健なモデルを実現した研究。
- 報酬を観測として：迅速な適応のための報酬ベース方策の学習強化学習2026/9/30
報酬と行動のみを条件とする方策を提案し、観測空間が全く異なる環境へのゼロショット適応を実現した。
- 浮力支援ロボットの挑戦的移動のためのガウス進化的スペシャリストによる高速共同設計共設計/進化計算/強化学習2026/6/1
形態と制御を同時最適化するため、設計空間を分割して多様な行動を捉えるガウス進化的スペシャリスト（GES）を提案し、浮力支援脚ロボットBALLUで性能向上と障害物越えを実証した。
- LineRides: ライン誘導型強化学習による自転車ロボットのスタント動作獲得強化学習/スタント制御2026/5/1
ユーザーが指定した空間的なガイドラインと疎なキー姿勢のみから、デモなしで自転車ロボットに多様なスタント動作を学習させるフレームワークを提案した。
- BAT: オンライン方策切替による俊敏性と安定性の両立 - 長期的全身ヒューマノイド制御全身制御2026/4/1
長期的な全身動作タスクで俊敏性と安定性を両立するため、2つの補完的な強化学習方策をオンラインで切り替えるフレームワークBATを提案し、シミュレーションと実機で有効性を示した。
- 脚式マニピュレータによるカート押し学習のための部分動作模倣移動操作2026/3/1
脚式ロボットの移動操作タスクにおいて、歩行タスクから学習した下半身の動作のみを模倣する部分敵対的動作事前分布を用いた部分模倣学習を提案し、カート押し操作を安定かつ正確に学習できることを示した。
- 反復動作模倣による自転車ロボットのフリップスタント強化学習/動作模倣2026/3/1
実現不可能な参照動作を反復的に模倣する手法(IMI)を提案し、自転車ロボット(UMV)で前転フリップを成功させた。
- EgoAVFlow: 人間の一人称視点動画から3Dフローを介した能動視覚によるロボット方策学習VLA2026/2/1
人間の一人称視点動画から3Dフロー表現を共有して操作と能動視覚を学習し、ロボット実演なしで視点制御と操作を実現する手法を提案。
- AdaptManip: オンライン再帰的状態推定による適応的な全身物体持ち上げ・運搬の学習全身マニピュレーション2026/2/1
ヒューマノイドが強化学習のみで物体の持ち上げと運搬を自律的に行う枠組みを提案し、再帰的物体状態推定とLiDAR自己位置推定を組み合わせて実機でゼロショット動作を実現した。
- RobotDesignGPT：視覚言語モデルによるロボット設計の自動合成設計自動化2026/1/1
大規模視覚言語モデルの知識と推論能力を活用し、簡単な指示と参照画像から自然に着想を得たロボット設計を自動生成するフレームワークを提案。
- 簡易モデル事前学習とモデルホモトピー転移による脚式ロボットの動的方策学習歩行2025/12/1
単剛体モデルで方策を事前学習し、質量・慣性を徐々に脚へ再配分する継続的転移で全身動力学へ適応させることで、バク転や壁補助動作などの動的運動を実機四脚ロボットで実現した。
- Switch-JustDance：家庭用ゲーム機で全身運動追従コントローラを評価するベンチマーク全身制御ベンチマーク2025/11/1
Nintendo Switchの『Just Dance』を利用し、ゲーム内の振り付けをロボットの動作に変換して、ヒューマノイドの全身制御コントローラを実機で評価する低コストで再現可能なベンチマーク手法を提案した。
- 参照データに基づくスキル発見スキル発見2025/10/7
参照データを用いて意味のある潜在空間でスキルを発見するRGSDを提案し、高次元ヒューマノイドの多様な動作生成とスタイル制御を実現した。
- 混雑環境におけるマルチエージェント協調のためのスティグマジー強化学習群制御2025/10/1
昆虫のスティグマジーに着想を得て、仮想フェロモンを用いた分散型マルチエージェント強化学習フレームワークを提案し、カリキュラム学習により混雑環境での最大8台のロボットの効率的な協調を実現した。
- MoReFlow: フローマッチングによる教師なし動作リターゲティング学習動作リターゲティング2025/9/1
VQ-VAEで各キャラクタの動作潜在表現を学習し、条件付きフローマッチングで潜在空間を対応付けることで、ペアデータなしに多様なキャラクタ間の動作リターゲティングを実現する教師なしフレームワーク。
- EMMA: 一人称視点の人間データでモバイルマニピュレーションをスケールさせるモバイルマニピュレーション2025/9/1
ロボットの遠隔操作なしに、人間の一人称視点の全身動作データと静的ロボットデータを共同学習させ、実世界のモバイルマニピュレーション方策を訓練するフレームワークEMMAを提案。
- タスク特化型マニピュレータのための設計コパイロットマニピュレーション2025/9/1
逆運動学を学習し微分可能な枠組みで最適化することで、特定環境に合わせたロボット形態を数秒で自動生成する設計支援手法を提案。
- FiLM-Nav: VLMファインチューニングによる効率的で汎化可能なナビゲーションナビゲーション2025/9/1
事前学習済みVLMをナビゲーション方策として直接ファインチューニングし、視覚履歴と目標から次の探索フロンティアを選ぶことで、未知物体カテゴリにも汎化する物体探索ナビゲーションを実現した。
- Switch4EAI: 家庭用ゲーム機をロボット運動能力のベンチマークに活用全身制御/ベンチマーク2025/8/1
Nintendo Switchの『Just Dance』のようなモーションセンシングゲームを利用して、ヒューマノイドロボットの全身制御ポリシーを評価する低コストで導入しやすいベンチマーク手法を提案し、Unitree G1で人間との比較定量評価を行った。
- 敏捷な歩行獲得のための探索としての教師なしスキル発見歩行2025/8/1
教師なしスキル発見と二段階最適化により、四足ロボットが障害物を越える多様な敏捷動作を自律的に獲得する学習フレームワークSDAXを提案し、実機転移を実証した。
- 人間のデモンストレーションから身体的インタラクションスキルを学習する模倣学習2025/7/1
人間の動作から相互作用の動態を表す埋め込みインタラクショングラフを抽出し、異なる身体構造を持つエージェントが物理シミュレーションで模倣制御を学習する枠組みを提案した。
- PPF: モデル仮定ベース正則化によるヒューマノイド歩行の事前学習と保持的ファインチューニング歩行2025/4/1
モデルベース制御器の模倣で事前学習し、強化学習でファインチューニングする際にモデル仮定が成り立つ状態でのみ正則化することで、破滅的忘却を防ぎつつ複雑な地形や高速指令に対応するヒューマノイド歩行方策を学習するフレームワークを提案。
- 触覚センシングによる多脚細長ロボットの垂直障害物踏破歩行2025/4/1
触覚アンテナと足裏接触センサーを組み合わせ、体の上下うねりを動的に調整することで、多脚細長ロボットが自分の身長の5倍までの障害物を登れるようにした研究。
- 見た目は重要か？ロボット盲導犬の機能的・美的デザイン選好の探求ロボットデザイン2025/3/1
視覚障害者向けのロボット盲導犬を開発するため、インタビューと調査で外見・質感・機能・操作方法に関するデザイン要件を明らかにした研究。
- 系統的な報酬分析と視覚言語モデルによるカリキュラムを用いた高品質ロボット拭き取り政策の学習マニピュレーション2025/2/1
高品質な拭き取りと迅速なタスク完了を両立するロボット拭き取り政策を、有界報酬設計と視覚言語モデルによるカリキュラム学習で実現した研究。
- RobotMover: 人間のデモンストレーションから大型物体の移動を学習マニピュレーション2025/2/1
人間と物体のインタラクションデモから模倣学習し、シミュレーションで訓練したポリシーで実機ロボットが椅子やテーブルなどの大型物体を移動できるシステムを開発した。
- PrivilegedDreamer: 特権情報の明示的想像による学習済み方策の迅速な適応sim2real2025/2/1
隠れパラメータを持つMDP問題に対し、履歴から隠れパラメータを推定する二重再帰構造を組み込んだモデルベース強化学習手法を提案し、sim-to-real適応性能を向上させた。
- 視覚障害者向けロボット盲導犬への期待を探るロボット支援・歩行2025/1/1
視覚障害者18名が四足歩行ロボットと実際に触れ合い、歩行制御やナビゲーション、対話方法などへの要望を調査した。
- 起伏に富んだ地形における多脚ロボットの性能を高める学習制御多脚ロボット/強化学習2024/9/1
MuJoCoシミュレータ上で強化学習を用い、多脚ロボットの体の水平・垂直うねりと脚の踏み出しをリアルタイム調整する制御則を開発し、実機実験で線形制御より30〜50%の速度向上を達成した。
- Koopmanオペレータに基づくモデル予測制御による二足歩行ロボットの安全なナビゲーション歩行2024/9/1
二足歩行ロボットの低レベル歩行方策を強化学習で訓練し、その高次元空間での線形化ダイナミクスをKoopmanオペレータで学習してMPCにより安全なナビゲーションを実現した。
- Opt2Skill: 動的に実行可能な全身軌道を模倣する多様なヒューマノイド移動操作ヒューマノイド移動操作2024/9/1
モデルベースの軌道最適化と強化学習を組み合わせ、Digitヒューマノイドの全身移動操作を実現するパイプラインを提案。最適軌道を追従するRLポリシーを学習し、実機転移にも成功した。
- HM3D-OVON: オープンボキャブラリ物体目標ナビゲーションのデータセットとベンチマークナビゲーション2024/9/1
HM3DSemを基に379カテゴリ・1.5万以上の物体注釈を備えた大規模ObjectNavベンチマークを構築し、自由記述の言語で指定された任意物体を探索するオープンボキャブラリナビゲーション手法を評価・比較した。
- 言語ガイド付きスキル発見スキル発見2024/6/1
大規模言語モデルの意味知識を活用し、ユーザープロンプトに基づいて意味的に多様なスキルを発見するフレームワークを提案。脚ロボットやマニピュレーションで有効性を示した。
- 学習ベースの脚式移動：最新技術と今後の展望歩行2024/6/1
深層学習やシミュレーション技術の発展により進歩した学習ベースの脚式移動研究を、四足歩行と二足歩行（ヒューマノイド）に分けて概観し、未解決課題と社会的影響を論じたサーベイ。
- VLFM: 視覚言語フロンティアマップによるゼロショット意味的ナビゲーションナビゲーション2023/12/1
深度から占有マップを作り、事前学習済み視覚言語モデルで言語に基づく価値マップを生成して、未知環境で対象物体へ効率的に探索するゼロショットナビゲーション手法を提案し、実機Spotでも実証した。
- モデル予測制御の模倣と微調整による堅牢で対称的な四足歩行歩行2023/11/1
MPCを模倣学習でクローンし、強化学習で微調整するIFMフレームワークを提案し、不整地や滑りやすい地形での四足歩行性能を向上させた。
- BayRnTune: 戦略的ファインチューニングによる適応的ベイズドメインランダム化sim2real2023/10/1
ドメインランダム化のパラメータ調整をベイズ最適化で自動化し、過去のポリシーからのファインチューニングで学習を大幅に加速する手法を提案。
- 言葉を動作に：言語ガイド付き反復動作改善による多様なヒューマノイドロボット行動の学習VLA2023/10/1
自然言語コマンドからヒューマノイドロボットの制御方策を学習し、反復的な動作改善によって歩行や跳躍、キックなどの多様な動作を効率的に獲得する手法を提案した。
- 急勾配な粒状斜面を高速旋回するMini Roverの操作学習走行制御/ベイズ最適化2023/10/1
小型ローバーがケシの実の急斜面で旋回できるよう、車輪の持ち上げ・掃引・回転を組み合わせた歩容をベイズ最適化で探索し、約4秒で90度旋回を実現した研究。
- CrossLoco: ガイド付き教師なし強化学習による脚式ロボットの人間動作駆動制御sim2real2023/9/1
人間の動作とロボットの状態間の相互情報量を最大化するサイクル整合性報酬を導入し、教師なし強化学習で脚式ロボットのスキルと人間動作との対応を同時に学習するフレームワークを提案。
- ソーシャルロボットナビゲーションアルゴリズム評価のための原則とガイドラインソーシャルナビゲーション2023/6/1
人混み環境でのロボットナビゲーションを公平に評価するための共通ベンチマーク基準を提案し、安全性や快適さなどの原則、メトリクスやシナリオ設計のガイドライン、評価フレームワークを示した。
- 四足歩行ロボットを視覚障害者用ガイドロボットに転換：経路探索の形式化、インタラクションモデリング、安全機構歩行2023/6/1
視覚障害者を案内する四足歩行ロボットの実現に向け、人間とガイドロボットのチームによる経路探索をMDPで形式化し、実インタラクションデータから「遅延ハーネス」モデルを構築、危険行動を予測・除去する安全機構を導入した。
- ACE: 人間から異形態キャラクターへの動作リターゲティングのための敵対的対応埋め込み動作リターゲティング2023/5/1
GANと特徴損失を用いて、人間の動作を異なる体型・構造を持つロボットやキャラクターに自然かつ意味を保って転写する学習ベースの動作リターゲティング手法を提案し、実機Spotへのsim-to-real転移も実証した。
- 経験転移による俊敏な移動スキルの学習と適応歩行2023/4/1
既存の制御器から経験を転移して強化学習を加速し、脚ロボットの俊敏な跳躍や二足歩行移動、環境適応を実現した。
- 適応的スキル調整によるロボット移動マニピュレーション移動マニピュレーション2023/4/1
視覚運動スキルのライブラリと調整ポリシー、補正ポリシーを組み合わせ、シミュレーションで訓練した移動マニピュレーションを実世界のSpotロボットにゼロショットで適用し、長期的なタスクを高成功率で達成した。
- 浮力支援脚ロボットのシミュレーション・実機転移のための残差物理学習とシステム同定sim2real2023/3/1
浮力支援軽量脚ロボットBALLUの実機制御に向け、アクチュエータの非線形ダイナミクスをシステム同定し、強化学習で残差物理をモデル化するEnvMimicを提案。シミュレータ精度を高め、歩行・旋回方策の実機転移を実現した。
- 貪欲な形状カリキュラムによるハンド内操作の転移学習マニピュレーション2023/3/1
高品質なモーションキャプチャ例から深層強化学習でハンド内物体操作を学習し、中間形状を経由する貪欲なカリキュラム探索で新しい複雑な形状へ適応させる手法を提案した。
- スケーラブルな動作模倣による四足ロボットの多様な行動を実現する単一ポリシーの学習歩行2023/3/1
多数の参照動作を模倣する深層強化学習により、歩行・旋回・跳躍・座る・伏せるなど多様な行動をこなす単一ポリシーを四足ロボット向けに学習させ、適応的動作サンプリングで難易度の高いスキルへの集中と忘却防止を両立した。
- 学習ロボットの設計：タスク性能と学習効率を高める形態最適化形態最適化2023/3/1
知覚・ハードウェア・タスク要件の相互作用を考慮し、ロボットの形態を包括的に最適化する手法を提案。MAGICコントローラとPRISM学習フレームワークにより、様々なマニピュレーションタスクで性能が15〜20%向上し、人間設計の形態と同等の性能を25倍少ないデータで達成。
- ARMP: 複雑な屋内環境における四足歩行ロボットのための自己回帰型動作計画歩行2023/3/1
軌道最適化で動作ライブラリを構築し、その多様体を教師あり学習で獲得することで、任意長の物理的に実現可能な動作計画を自己回帰的に生成する四足歩行ロボットのフレームワークを提案した。
- 複雑なインタラクティブ行動のためのカスケード合成残差学習sim2real2022/12/1
既存の制御ポリシーを再利用して複雑な行動を学習するCCRLフレームワークを提案し、Unitree A1ロボットで実機転移に成功した。
- ViNL: 障害物を越える視覚ナビゲーションと歩行制御歩行2022/10/1
視覚ナビゲーション方策と視覚歩行方策を別々のシミュレータで独立に学習し、ゼロショットで組み合わせることで、四足ロボットが未知の屋内環境で障害物を避けながら目標地点へ移動できるようにした研究。
- 深層強化学習による四足歩行ロボットの人間動作制御四足歩行/動作模倣2022/4/1
人間の動作を四足ロボットの動作に変換し、強化学習でその動作を追従する制御方針を学習させることで、ユーザーが直感的に四足ロボットを操作できるシステムを提案した。
- 脚式移動のための安全強化学習歩行2022/3/1
安全復帰ポリシーと学習ポリシーを切り替える枠組みを提案し、四足ロボットの転倒を減らしつつ実機で歩容・バランス性能を向上させた。
- 学び続ける脚式ロボット：実世界での移動ポリシーのファインチューニング歩行2021/10/1
実世界での強化学習により脚式ロボットの移動ポリシーを効率的かつ安全にファインチューニングするシステムを提案し、A1四足歩行ロボットが屋外芝生や屋内の多様な地形で複数の移動スキルを自律的に改善できることを示した。
- 有限状態機械を方策で変調するロバスト四脚歩行制御歩行2021/9/1
脚式ロボットの制御において、軌道生成器の代わりに接触を考慮した有限状態機械を方策ネットワークで変調するPM-FSMを提案し、未知の外乱や難地形に対する歩行のロバスト性を高めた。
- グラフニューラルネットワークによるロボット構造と運動の埋め込み学習グラフニューラルネットワーク2021/9/1
ロボットのリンク・関節構造と関節位置の運動データをグラフニューラルネットワークで低次元埋め込み空間に学習するフレームワークを提案し、マルチタスク学習で汎化性能を高めた。
- 動的障害物の追加でナビゲーションエージェントを頑健化：2021 iGibsonチャレンジ優勝手法のベンチマークナビゲーション2021/9/1
訓練時に動的障害物をシーンに追加するとテスト時の汎化性能が大きく向上し、画像拡張との併用やsim-to-sim転移への頑健性も示した。CVPR 2021 iGibsonチャレンジのInteractive Navigation部門で1位を獲得した手法。
- 二段階深層強化学習による難制御問題の解法強化学習2021/9/1
問題を運動計画と運動模倣の二段階の深層強化学習に分解し、疎な報酬や敏感なダイナミクスを持つ難問を解く手法を提案した。
- 教師なし行動計画による深層強化学習の安全性向上強化学習2021/9/1
危険な状況から回復する行動をk-meansクラスタリングで保存・検索し、類似状態で最適な回復行動を選ぶことで、TRPOやPPOなどの強化学習の安全性を高める手法を提案した論文。
- FastMimic：敏捷・多様・汎化可能な四足歩行のためのモデルベース動作模倣歩行2021/9/1
動物の歩容をセントロイダル動力学モデルとオンライン適応で模倣する統一的なモデルベース制御法を提案し、高価なシミュレーション学習や実機微調整なしで多様な運動を実現した。
- グラフベースの散らかったシーン生成と深層強化学習による対話的探索シーン生成/探索2021/9/1
シーングラマとGNNで多様な散らかったシーンを生成し、深層強化学習で隠れた物体を効率的に探索するロボット方策を学習、実機UR10でも検証した論文。
- 歩道を自律走行する四足ロボットの学習ナビゲーション歩行ナビゲーション2021/9/1
教師エージェントの模倣学習により、実世界の歩道で障害物や歩行者を避けながら3.2kmを走行できる四足ロボットのナビゲーション方策を実現した。
- 誤差認識型ポリシー学習：部分観測可能な動的環境におけるゼロショット汎化sim2real2021/3/1
観測できない要因の影響を予測する誤差予測関数と同時学習する誤差認識型ポリシーを提案し、シミュレーションで訓練した股関節トルク支援装置のポリシーを未知の身体特性を持つ人間にゼロショットで転移できることを示した。
- 完了時間で重み付けした成功率：動力学を考慮した移動ロボットナビゲーション評価指標ナビゲーション2021/3/1
移動ロボットのナビゲーション性能を評価する新指標SCTを提案し、複雑な動力学を持つエージェントの速さを適切に評価できることを示した。
- 観測空間こそが重要：ベンチマークと最適化アルゴリズム強化学習2020/11/1
深層強化学習における観測空間の設計選択をベンチマークし、不要な観測チャネルを除去して最適な観測空間を探索するアルゴリズムを提案した論文。
- メタ学習による視覚ナビゲーションスキルの新しい観測への少数ショット適応視覚ナビゲーション/メタ学習2020/11/1
知覚ネットワークと推論ネットワークの間に潜在特徴を設け、推論側を固定したまま知覚側をメタ学習で素早く適応させることで、新しいセンサ構成や目標色に対して3ショットでナビゲーション方策を適応できる手法を提案した。
- 自己中心視覚入力から人間の探索行動を学習するナビゲーション2020/11/1
RGBDの自己中心視覚のみを持つキャラクタが3D屋内環境で目標物体を探索できるよう、探索制御ポリシーとオンライン再計画モジュールを組み合わせて学習させた研究。
- 安全を学ぶ：安全クリティックを用いた深層強化学習安全強化学習2020/10/1
安全な環境で安全性を学習し、その直感を新たなタスクの制約に転移する安全制約付き転移学習を提案。ナビゲーション・四足歩行・器用な手先操作で、事故を大幅に減らしつつ学習を高速化・安定化できることを示した。
- 最小限の人的労力で実世界を歩くことを学ぶ歩行2020/2/1
実機ロボット上で深層強化学習により歩行方策を学習するシステムを開発し、自動データ収集と安全制約付きRLで3種類の地形での歩行獲得を実現した。
- 歩行支援デバイスの転倒防止制御ポリシーの学習歩行支援・転倒防止2019/9/1
歩行支援デバイスに搭載したセンサとアクチュエータを用い、転倒予測器と回復ポリシーを学習させて転倒を防ぐ手法を提案し、シミュレーションで有効性を示した。
- メタ戦略最適化による脚式ロボットの高速適応学習歩行2019/9/1
訓練とテストで同じ適応プロセスを共有するメタ学習手法MSOを提案し、四足歩行ロボットがsim2realやモータ故障、坂道など新環境に少数試行で適応できることを実機で示した。
- 三人称視点の人間デモからの脚式ロボット視覚ナビゲーションのゼロショット模倣学習模倣学習2019/9/1
人間の三人称視点デモを用い、視点不変特徴を抽出する特徴分離ネットワークとモデルベース模倣学習により、脚式ロボットの視覚ナビゲーション方策をゼロショットで学習する手法を提案した。
- 非把持マニピュレーションによる関節物体の質量分布推定マニピュレーション2019/7/1
ロボットアームが物体を押す動作を通じて、関節物体の質量分布を推定する手法を提案し、シミュレーション学習を実機に転移させてランダム押しより高精度に推定できることを示した。
- Soft Actor-Critic：最大エントロピー強化学習アルゴリズムとその応用強化学習2018/12/1
最大エントロピーRLに基づくオフポリシー型アクター・クリティック法SACを改良し、温度パラメータの自動調整などを導入してサンプル効率と安定性を向上、四足歩行や巧みな手の操作でも有効性を示した。
- 深層強化学習による実機ロボットの歩行獲得歩行2018/12/1
最大エントロピー強化学習に基づくサンプル効率の高い手法で、シミュレーションやモデルなしに実機Minitaurロボットの安定した歩行を約2時間で獲得した。
- リレーニューラルネットワークによる運動スキルの拡張強化学習2017/9/1
複雑なロボットタスクを単純なサブタスクに分割し、ニューラルネットワークのポリシーツリーを逐次的に学習することで、成功する初期状態の範囲を段階的に広げる手法を提案した。
- 安全な転倒のための統合制御ポリシーの学習転倒制御2017/3/1
ヒューマノイドが転倒時に衝撃を最小化するよう、接触部位の選択と関節制御を統合したactor-critic混合ポリシーを学習し、動的計画法に匹敵する性能を50〜400倍高速に実現した。
