Sicun Gao
University of California San Diego
収録論文 28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
- 安定化制御における方策勾配のためのゼロ次報酬整形の十分性強化学習2026/9/28
安定化制御タスクにおいて、方策勾配法は速度情報を含まないゼロ次(位置)報酬だけでも解けることを理論と実験で示し、一次報酬項の追加は感度を高めることを明らかにした。
- 潜在モデリングのための感度整形モデルベース強化学習/OOD検出2026/6/1
学習したダイナミクスモデルが制御入力の変化に対して局所的に鈍感な場合、OOD検出が失敗する問題を指摘し、高サポート領域での制御感度を高める正則化を導入してOOD検出と安全な計画を改善した。
- 数秒のデモから学ぶ四足歩行歩行2026/3/7
四足歩行の模倣学習が少量データで効果的な理由を解析し、潜在空間と出力の変動を整える新手法を提案。数秒のデモからオフラインで歩行ポリシーを学習できることを実機で確認した。
- RN-D: オンポリシー強化学習のための離散化カテゴリカルアクター強化学習2026/1/1
連続制御のオンポリシー強化学習において、ガウス分布アクターの代わりに各行動次元を離散ビン上の分布として表現するカテゴリカルアクターと正則化ネットワークを組み合わせ、ベンチマークで最先端性能を達成した。
- 接触を許容する安全なロボット操作のためのスケーラブルなバリア関数フレームワーク安全制御2026/1/1
密集環境での接触を安全とみなす新たなバリア関数を学習し、任意の物体配置に合成可能でタスク転移も容易な安全フィルタを実現した。
- サンプリングベースのロバスト性解析を伴う時間最適四rotor軌道最適化のための系列モデリング軌道最適化2025/6/1
モデルベースの時間最適軌道計画を模倣する学習モデルを提案し、衝突のない幾何学的経路から時間最適軌道を高速生成。データ拡張でロバスト性を向上させ、実機でリアルタイム性を検証。
- 価値推定の改善がバニラ方策勾配法を大幅に強化する強化学習2025/5/1
各反復での価値更新ステップ数を増やすだけで、バニラ方策勾配法がPPOと同等以上の性能を達成し、ハイパーパラメータにも頑健になることを示した。
- 倉庫環境における安全な人とロボットのナビゲーションナビゲーション2025/3/1
学習ベースの制御バリア関数とOpenRMFを統合し、倉庫内で人を含む動的障害物を避けながら複数ロボットを安全にナビゲートする手法を提案した。
- 拡散モーダル結合による制御可能な動作生成動作生成2025/3/1
拡散モデルにマルチモーダルな事前分布とモーダル結合を導入し、物理制約やタスク目標に沿った制御可能な動作生成を実現するフレームワークを提案。
- オフラインデータからの制御バリア関数の推定安全制御2025/3/1
訓練前に収集した固定のラベル付きデータセットからニューラル制御バリア関数を学習する枠組みを提案し、実機での動的障害物回避において安全性と保守性の改善を実現した。
- SEEV: ReLUニューラルバリア関数の効率的な厳密検証を伴う合成安全制御2024/10/1
ReLUニューラル制御バリア関数の合成時に活性化領域を減らす正則化を導入し、安全条件のタイトな過近似で検証を高速化するフレームワークを提案した。
- 強化学習におけるハミルトン・ヤコビ到達可能性:サーベイ安全性/到達可能性2024/7/1
強化学習と組み合わせてハミルトン・ヤコビ到達可能集合を推定し、高次元システムの制御方策に安全性保証を与える最近の手法を概観したサーベイ論文。
- 方策勾配法の平滑化効果強化学習2024/5/1
方策勾配法が非平滑な最適化地形を平滑化する仕組みを後退熱方程式との等価性で解析し、確率性下での根本的課題と探索の影響を明らかにした。
- 制御バリア関数誘導ニューラルコントローラによるマニピュレータの効率的動作計画マニピュレーション2024/4/1
制御バリア関数(CBF)を学習したニューラルコントローラでRRTのサンプリングを誘導し、混雑環境でのマニピュレータ動作計画を高速化・高成功率化する手法を提案。
- 極値探索による行動選択で方策最適化を加速強化学習2024/4/1
強化学習の方策最適化において、サンプルした行動に極値探索制御による適応的な摂動を加えてQ値が改善する方向へ修正し、学習効率を高める手法を提案。
- 安全強化学習のための反復的可到達性推定安全強化学習2023/9/1
確率的環境で安全性を保証しつつ性能を犠牲にしない安全強化学習フレームワークRESPOを提案し、可到達性推定関数を用いたアルゴリズムが局所最適解に収束することを理論的に示した。
- スケーラブルな動的障害物回避のための逐次ニューラルバリアナビゲーション2023/7/1
各障害物の状態時系列に分解して逐次ニューラル制御バリア関数を学習し、少数の障害物で訓練した方策を100倍の障害物密度でも汎化可能にした動的障害物回避手法。
- 局所ハミルトン・ヤコビ到達可能性解析を用いた近似安全価値関数のパッチ修正安全制御2023/4/1
ニューラルネット等で得た近似的な安全価値関数を、局所的なHJ到達可能性解析で修正し、形式的な安全保証を持ちつつ大域構造を保つ手法HJ-Patchを提案。計算量を標準HJ到達可能性より2桁削減。
- リャプノフ的代理モデル学習による観測からの安定化制御模倣学習2023/3/1
専門家の状態系列のみから安定化制御を学ぶため、リャプノフ安定性理論に基づく代理モデルを報酬として用いるLfO手法を提案し、実車両やシミュレーションで有効性を示した。
- グラフトランスフォーマーによる有界準最適なマルチエージェント計画の高速化マルチエージェント計画2023/1/1
マルチエージェント経路探索を高速化するため、グラフトランスフォーマーをヒューリスティック関数として用いる学習ベース手法を提案。完全性と任意の有界準最適性を保証し、密なグラフ環境で汎化性能と高速性を示した。
- GNNと時間エンコーディングを用いた動的環境における学習ベース動作計画動作計画2022/10/1
動的障害物の軌跡を考慮する必要がある動作計画問題に対し、GNNと時間エンコーディング、模倣学習を組み合わせて計画を高速化する手法を提案した。衝突チェックを大幅に削減し、成功率も維持できることを示した。
- グラフニューラルネットワークによるサンプリングベース運動計画の衝突判定削減運動計画2022/10/1
グラフニューラルネットワークを用いて経路探索と平滑化を行い、サンプリングベース運動計画における衝突判定を削減して計画を高速化する手法を提案した。
- グラフニューラルネットワークによるマルチエージェントナビゲーションのための制御許容モデル学習群制御2022/10/1
マルチエージェントナビゲーションにおいて、最適行動の予測ではなく許容行動の集合を予測する制御許容モデル(CAM)をグラフニューラルネットワークで学習し、少数エージェント環境で訓練したモデルを数百エージェントの密集環境に組み合わせて適用可能にした。
- Almost-Barrier関数による学習ベース自動運転制御の安全性定量化自動運転2022/7/1
深層学習を用いた自動運転の経路追従制御において、Almost-Barrier関数を学習することで安全性を定量的に評価し、オンライン安全モニタを構築する手法を提案した。
- 学習された証明書による安全制御:ニューラルリアプノフ・バリア・収縮法のサーベイ安全制御2022/2/1
制御方策と同時に証明書を学習することで安全性や安定性を保証する手法(ニューラルリアプノフ・バリア・収縮法)の理論と実践を包括的に解説したサーベイ論文。
- ロバストなニューラルLyapunov-Barrier関数による安全な非線形制御安全制御2021/9/1
モデル不確かさに頑健な制御Lyapunov-Barrier関数を学習し、安全性と安定性を保証するフィードバック制御器を合成する手法を提案。ロバストMPCと同等以上の性能を1桁低い計算コストで実現した。
- 自己学習型ほぼリアプノフ批評家によるニューラル制御の安定化制御安定性2021/7/1
モデルフリー強化学習でニューラル制御方策とリアプノフ批評家関数を同時に学習し、ほぼリアプノフ条件で吸引領域と不変性を推定して非線形システムの制御安定性を高める手法を提案した。
- ニューラルリアプノフ制御制御理論2020/5/1
学習器と反例探索器を組み合わせ、非線形制御系の制御則とニューラルリアプノフ関数を安定性保証付きで学習する手法を提案した。
