Shikhar Bahl
収録論文 20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
- FlowDPG: フローマッチングポリシーに対する決定論的ポリシー勾配の実世界操作への応用強化学習/操作2026/6/1
フローマッチングポリシーにDDPGスタイルの強化学習を適用する際、時間方向の逆伝播(BPTT)を回避する蒸留フレームワークを提案し、実世界の長期的な両腕組み立てタスクで92%の成功率を達成した。
- ViPRA: 動画予測によるロボット行動生成VLA2025/11/1
ラベルなし動画から将来の視覚観測と潜在行動を予測するモデルを事前学習し、少数の実演で連続ロボット制御を微調整するフレームワークを提案。
- HRP: 人間のアフォーダンスを活用したロボット事前学習VLA2024/7/1
インターネット上の人間動画から手・物体・接触のアフォーダンスを自動抽出し、既存の視覚表現を微調整することで、多様なロボットタスクの性能を向上させる手法を提案。
- PlayFusion: 言語注釈付きプレイデータからの拡散モデルによるスキル獲得VLA2023/12/1
言語ラベル付きの非構造的なプレイデータから、拡散モデルを用いて多様なロボットスキルを抽出し、離散ボトルネックでスキル語彙を獲得する手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- DEFT: 実世界のハンドポリシーに対する巧みなファインチューニングマニピュレーション2023/10/1
人間の操作を事前知識として活用し、オンライン最適化でソフトロボットハンドの巧みな操作を効率的に学習する手法を提案。
- 環境とエージェントの表現を分離した効率的強化学習強化学習2023/9/1
エージェント自身の形状やマスク情報を補助損失として活用し、環境とエージェントの表現を分離して学習することで、視覚ベースの強化学習を効率化する手法を提案した。
- 人間の動画から構築する構造化ワールドモデルマニピュレーション2023/8/1
人間の動画から視覚的アフォーダンスに基づく行動空間とワールドモデルを学習し、少数のロボット実機データで微調整することで、30分以内に多様なマニピュレーション技能を獲得する手法を提案。
- 人間の動画から抽出するロボットのためのアフォーダンス表現VLA2023/4/1
インターネット上の人間の行動動画から視覚的アフォーダンスモデルを学習し、ロボットが複雑なタスクを実行できる汎用的な表現として活用する手法を提案。
- ALAN: 実世界で自律的に探索するロボットエージェント自律探索2023/2/1
環境変化を指標に不確実性を最大化することで、実世界のキッチン環境でロボットが自律的に探索し、目標画像で指定された操作スキルを効率的に学習する手法を提案。
- VideoDex: インターネット動画から器用さを学ぶマニピュレーション2022/12/1
人間の手の動画から視覚・行動・物理の事前知識を抽出し、ロボットアームと多指ハンドのマニピュレーションを向上させる学習手法を提案。
- 実環境における人間からロボットへの模倣学習模倣学習2022/7/1
一人称視点の人間動画からロボットがワンショットで模倣学習できる手法WHIRLを提案し、実環境での20種類のマニピュレーションタスクで成功を示した。
- RB2: ロボットマニピュレーションのためのランキング型ベンチマークマニピュレーション2022/3/1
SOTAアルゴリズム実装をベンチマークに組み込み、複数ラボの実験データを統合してグローバルなランキングを確立する手法を提案した論文。
- 階層型ニューラル動的ポリシー模倣学習2021/7/1
動的システムの構造を階層型深層ポリシー学習に埋め込み、局所ポリシーを蒸留して高次元画像から多様な配置に汎化するH-NDPを提案した論文。
- ニューラル動的ポリシー:エンドツーエンドの感覚運動学習強化学習2020/12/1
二階微分方程式で行動空間を再パラメータ化し、軌道分布空間で予測するニューラル動的ポリシーを提案。模倣学習と強化学習の両方で従来手法を上回る。
- 状況に応じた想像ゴールによる自己教師ありロボット学習自己教師あり学習2019/10/1
ロボットが現在の環境や手元の物体に合わせて達成可能で多様なゴールを自ら提案し、自己教師ありゴール条件付き強化学習で効率的に技能を学ぶ手法を提案した論文。
- 視覚入力と自然な報酬による産業用挿入タスクの深層強化学習マニピュレーション2019/6/1
視覚入力とスパース報酬や目標画像といった自然な報酬設定の下で、強化学習に古典的制御器やデモンストレーションの事前情報を組み合わせることで、産業用挿入タスクを現実的な試行回数で解けることを示した論文。
- Skew-Fit: 状態被覆を最大化する自己教師あり強化学習自己教師あり強化学習2019/3/1
目標到達ポリシーのための探索目的を定式化し、目標分布のエントロピー最大化により状態被覆を高めるSkew-Fitを提案。実ロボットがピクセル入力のみからドア開けを報酬設計なしで学習できることを示した。
- 残差強化学習によるロボット制御強化学習/マニピュレーション2018/12/1
従来のフィードバック制御で解ける部分と、接触や摩擦を含む残差部分を強化学習で解き、両者を重ね合わせて実世界のブロック組立タスクを成功させた。
- 想像上のゴールを用いた視覚強化学習視覚強化学習2018/7/1
教師なし表現学習とゴール条件付き強化学習を組み合わせ、エージェントが自らゴールを想像して練習することで、生の画像入力から汎用的なスキルを獲得する手法を提案した論文。
