Shao-Hua Sun
収録論文 15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
- PhysCaP: 物理情報に基づく探索によるコード駆動ポリシーエージェントの接地操作/能動的知覚2026/8/21
ロボット操作における能動的知覚のため、物理特性を推定し探索行動を計画するコード駆動ポリシーエージェントを提案。
- 劣ったデモからの言語批評模倣学習模倣学習2026/7/1
不完全なデモから学習する際に、スカラー信号ではなく自然言語による批評を監督信号として用いる新しい模倣学習フレームワークを提案し、行動クローニングと拡散ポリシーに適用して性能を向上させた。
- 行動なし動画からスキルを学ぶVLA2025/12/1
オプティカルフローを中間表現として用い、行動なし動画から潜在スキルを抽出し、ロボットの長期タスク計画と行動生成を可能にするフレームワークSOFを提案。
- SAD-Flower: 安全・実行可能・動的整合性を保証するフローマッチング計画計画2025/11/1
フローマッチングに仮想制御入力を導入し、非線形制御理論で状態・行動制約と動的整合性を形式的に保証する計画手法を提案。再学習なしで未知の制約にも対応できる。
- ビデオ再計画による暗黙的な状態推定VLA2025/10/1
ビデオベースの計画フレームワークにインタラクション時のデータを統合し、モデルパラメータをオンライン更新して失敗した計画を除外することで、暗黙的な状態推定を実現する手法を提案。
- 拡散モデルによるノイズ除去で模倣学習の実演を復元模倣学習2025/10/1
ノイズを含む専門家の実演からクリーンなサンプルを抽出し、条件付き拡散モデルでノイズを復元する枠組みを提案し、ロボットアーム操作・巧みな操作・歩行で既存手法を上回る性能を示した。
- 行動制約付き模倣学習模倣学習2025/8/1
行動制約のある模倣者が、より広い行動空間を持つ専門家から学ぶ新設定ACILを提案し、DTW距離に基づく軌道アライメントで専門家の軌道に沿った代理データを生成するDTWILを開発した。
- 観測からの拡散模倣学習模倣学習2024/10/7
拡散モデルを敵対的模倣学習に組み込み、状態遷移の生成と識別を同時に行うことで、行動ラベルなしのデモンストレーションからロボットの連続制御を学習する手法を提案した。
- 拡散報酬による敵対的模倣学習模倣学習2024/5/1
拡散モデルをGAILに統合し、より安定で滑らかな報酬を生成する模倣学習手法DRAILを提案。ナビゲーション・マニピュレーション・歩行で有効性を検証した。
- プログラムマシンポリシー:プログラム合成と状態機械を統合した長期的タスクへの取り組み強化学習2023/11/1
プログラム合成と状態機械を組み合わせ、多様なプログラムを状態機械のモードとして学習することで、長期的タスクを解き、未学習のより長いタスクにも汎化できる強化学習手法を提案。
- 自らのスキルをブートストラップせよ:大規模言語モデルのガイダンスによる新規タスクの学習VLA2023/10/1
LLMのガイダンスのもとで基本スキルを連鎖させ、報酬なしで新たな長期タスクを解けるスキルライブラリを自動構築する手法BOSSを提案。家庭環境での未見タスクのゼロショット実行で既存手法を上回る。
- 行動ラベルなし動画から密対応を介して行動を学習するVLA2023/10/1
行動注釈なしの少数の動画デモから、画像とテキストを活用してロボット方策を構築し、卓上操作やナビゲーションタスクで有効性を示した研究。
- 拡散モデルで強化した行動クローニング模倣学習2023/2/1
専門家の条件付き確率と同時確率の両方を拡散モデルでモデル化し、模倣学習の汎化性能を高める手法を提案した。
- QMP: マルチタスク方策のQスイッチ混合による行動共有マルチタスク強化学習2023/2/1
各タスクの方策をQ関数で評価して選択的に行動を共有し、マルチタスク強化学習のサンプル効率を改善するフレームワークQMPを提案した。
- プログラム合成を学習する階層型プログラム的強化学習強化学習2023/1/1
学習済みプログラム埋め込み空間からプログラムを組み合わせるメタ方策を学び、分布外の複雑なプログラム方策を生成できる階層型強化学習フレームワークを提案した。
