Shie Mannor
収録論文 10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
- 地平線イマジネーション:拡散ワールドモデルにおける効率的なオンポリシーロールアウトワールドモデル2026/2/8
拡散ベースのワールドモデルで、複数の将来観測を並列にノイズ除去するオンポリシー・イマジネーション手法を提案し、計算コストを抑えつつ制御性能を維持できることを示した。
- タスクトークン:行動基盤モデルを柔軟に適応させる手法VLA2025/3/1
強化学習でタスク特化のエンコーダを学習し、凍結した行動基盤モデルへの追加入力トークンとして使うことで、汎用性を保ちながら特定タスクに適応させる手法を提案。
- 最適化問題に対する複数の初期解の学習最適化2024/11/1
問題パラメータから多様な初期解を複数予測し、単一または複数の最適化器で利用することで、ロボット制御などの最適化問題の収束を改善する手法を提案。
- PlaMo: 複雑な3D物理環境における計画と移動歩行2024/6/1
複雑な3Dシーンで指定された目的地と移動様式に従い、シーンを考慮した経路計画と物理ベースの制御を組み合わせてヒューマノイドを移動させる手法を提案。
- CALM: 操作可能なバーチャルキャラクターのための条件付き敵対的潜在モデルキャラクター制御2023/5/1
模倣学習により人間の動きの多様性を捉えた潜在表現を学習し、直感的なインターフェースで操作できる多様なキャラクター動作を生成する手法を提案。
- DiffStack: 自動運転車のための微分可能でモジュール式な制御スタック自動運転/計画制御2022/12/1
予測・計画・制御を微分可能な最適化でつなぎ、モジュール性を保ちながら上流の予測モジュールまで誤差逆伝播で学習可能にした自動運転スタックを提案。nuScenesで計画性能が向上。
- 連続時間フィッティング価値反復によるロバスト方策の学習ロバスト制御2021/10/1
非線形制御アフィン系の性質を利用して最適方策と最適外乱を解析的に導出し、状態・行動の離散化なしに価値反復で最適価値関数を解くcFVIとrFVIを提案。振り子と台車系で最適方策を得て、実機sim2real実験でロバスト性を実証した。
- 模倣学習と強化学習における潜在交絡因子の共変量シフトについて模倣学習2021/10/1
未観測の交絡因子を含む専門家データからの模倣・強化学習を定式化し、分布シフト下での学習可能性と不可能性を示すとともに、外部報酬がある場合のサンプリング手法を提案して収束を証明した。
- 連続制御タスクのためのロバスト価値反復法sim2real2021/5/1
動的計画法に基づき、システムダイナミクスの敵対的摂動を組み込んだロバストな最適方策を連続状態・行動空間で計算する手法を提案し、実機の振り子と台車棒で有効性を示した。
- 連続状態・行動・時間における価値反復法制御/強化学習2021/5/1
既知のダイナミクスモデルを用い、連続状態・行動・時間で動的計画法を可能にするcFVIを提案。非線形制御実験で深層強化学習と同等の性能を示し、実機移行時の頑健性に優れることを示した。
