Sheng Cheng
収録論文 16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
- ランダム探索から計画を学習する計画2026/9/29
ランダム探索の観測ペアのみから時間的関係を学習し、目標までの長距離計画を可能にする手法を提案。
- MUSE: 状態推定のマルチモーダル不確実性定量化状態推定2026/5/1
視覚慣性オドメトリの不確実性をリアルタイムで定量化する学習ベースのフレームワークを提案し、Mambaを用いて複数の非同期センサストリームから推定の信頼性を評価する。
- ロバスト適応型クアッドコプター制御のためのシミュレーション評価スイート制御/シミュレーション2025/10/1
RotorPy上に構築したモジュール式シミュレーションテストベッドを提案し、風・ペイロード変化・ローター故障・制御遅延などの外乱下で適応・非適応制御器を再現可能に比較評価できるようにした。
- DiffCoTune: クロスドメインロボット制御のための微分可能な協調チューニングsim2real2025/5/1
微分可能シミュレータを活用し、シミュレータと制御器のパラメータを反復的に協調チューニングすることで、実機展開時の性能を自動改善するフレームワークを提案。
- タスク・パラメータ・ネクサス:モデルベース制御のためのタスク特化型パラメータ学習モデルベース制御2024/12/1
深層ニューラルネットワークを用いて、任意の追従タスクに対するモデルベース制御器の最適制御パラメータをオンラインで予測する手法を提案し、クアッドロータで未見タスクへの汎化性能を実証した。
- GRFM-Netを用いた二足歩行MPCの自動チューニングによる効率的なSim-to-Real転移歩行2024/9/1
二足歩行制御のMPCパラメータを微分可能プログラミングで自動調整し、接地反力・モーメントネットワークでモデル誤差を補償することで、実機転移を効率化した研究。
- Tool-Planner: ツールクラスタを活用したタスクプランニングツール学習2024/6/1
LLMのツール学習において、類似機能のツールをクラスタ化し、エラー時に再選択・調整できるフレームワークTool-Plannerを提案。
- Bスプライン連続時間参照信号を用いた最適化ベースプランナナビゲーション計画2024/4/1
Bスプラインで連続時間の制御入力を表現する最適化ベースのプランナを提案し、プランナと制御器の周波数ギャップを解消して計算効率と計画性能を両立した。
- Proto-MPC: 強風下のクアッドロータ制御のためのエンコーダ・プロトタイプ・デコーダ手法制御/メタ学習2024/1/1
多様なタスクから共有・固有表現をバランスよく学習するメタ学習手法EPDを提案し、それをモデル予測制御に統合したProto-MPCで、横風を受けるクアッドロータの軌道追従性能を向上させた。
- 検証可能な安全垂直着陸のための知覚・制御シナプレックス安全制御2023/12/1
障害物検知の故障時でも衝突回避を保証する知覚シナプレックスを垂直着陸に適用し、制御能力の動的確認により安全マニューバの信頼性を高めた。
- DiffTune-MPC:モデル予測制御のための閉ループ学習モデル予測制御2023/12/1
MPCのコスト関数を閉ループ性能に基づいて自動学習する手法を提案し、評価区間と予測ホライズンが異なる場合にも対応可能とした。
- L1Quad: 性能保証付き幾何学制御のL1適応拡張による俊敏クアッドロータ飛行制御2023/2/1
幾何学制御とL1適応制御を組み合わせ、不確かなモデルや外乱があってもクアッドロータの追従誤差を小さく保つ制御手法を提案し、多数の実験で有効性を示した。
- DiffTune$^+$: 自動微分を用いたハイパーパラメータ不要の自動チューニング制御チューニング2022/12/1
制御器のパラメータ更新にハイパーパラメータ不要の手法を導入し、損失低減を最大化する最適更新を求めることで、従来の学習率依存のDiffTuneを改良した。
- 二段階最適化によるUAV軌道の高速化:空間と時間の同時割り当て軌道計画2022/11/1
安全集合の制約を上層問題に移すことで下層の凸QPを高速化し、解析的勾配で時間割り当てと経路点を同時更新するUAV軌道計画フレームワークを提案。計算時間が安全集合数に対して線形にスケールすることを示した。
- 全方向マルチロータの機敏な機動のための幾何学的追従制御制御2022/9/1
ロータダイナミクスを考慮した新しい追従制御器を提案し、全方向マルチロータの機敏な飛行における追従性能を向上させた。
- DiffTune: 自動微分による制御器の自動チューニング制御チューニング2022/9/1
力学系と制御器を計算グラフとして展開し、感度伝播による勾配で制御パラメータを最適化する自動チューニング手法を提案。L1適応制御で不確かさを補償し、実機でも偏りのない勾配を得る。
