Stefan Lee
Oregon State University
収録論文 24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
- チュートリアル条件付き計算機操作エージェントは世界モデルの恩恵をほとんど受けない計算機操作エージェント2026/11/2
チュートリアルと世界モデルを組み合わせた計算機操作エージェントの各要素を分離評価し、チュートリアルがある場合には世界モデルのロールアウトがほとんど貢献せず、ボトルネックは将来状態の推論とタスク完了認識にあることを示した論文。
- 平面果樹園における視覚運動ロボット剪定のためのハイブリッド強化学習マニピュレーション2026/9/21
シミュレーションと合成データのみで学習した視覚運動制御器により、平面仕立てのリンゴとサクランボの木をロボットで剪定し、実環境へゼロショット転移を実現した。
- 3Dポイントワールドモデル:点群補完による高精度なダイナミクス学習ワールドモデル2026/7/1
部分点群を補完してから行動条件付きダイナミクスを学習する、3D空間で動作するタスク非依存のワールドモデルを提案し、長期的なロールアウトとモデルベース計画の精度を向上させた。
- 不確実性下での高精度接触操作のためのハイブリッド制御ポリシーの学習マニピュレーション2026/4/1
強化学習を用いて、位置制御と力制御を動的に切り替えるハイブリッド制御ポリシーを学習し、不確実性の高い環境下での繊細なコネクタ挿入などの接触操作を高精度で実現する手法を提案した。
- 3Dマスクへの視覚・言語の接地による長期的ボックス再配置VLA/計画2026/3/1
RGB-D観測と自然言語指示から、3Dセグメンテーションマスクを逐次的に予測して長期的なピックアンドプレース動作を生成するRAMP-3Dを提案し、倉庫環境でのボックス再配置タスクで高い成功率を達成した。
- ヒューマノイドによるハノイの塔:スキルベース箱並べ替えのための共有全身制御の検討マニピュレーション2026/2/1
ヒューマノイドが箱を並べ替える長期タスクを、再利用可能なスキルを組み合わせて実行する枠組みを検討し、共有全身コントローラとデータ集約で頑健性を高めた。
- 言語条件付き世界モデルによる環境記述の読解と方策汎化の向上モデルベースRL2025/11/28
DreamerV3を拡張し、環境の振る舞いを記述した言語を注意機構で観測内の実体に結びつける世界モデルLED-WMを提案。専門家デモや計画なしに、未知のゲームへの方策汎化を改善した。
- 強化学習によるロボット制御におけるタスク性能と衝突しないエネルギー最小化歩行2025/9/1
強化学習でタスク性能を損なわずにエネルギー消費を最小化する、ハイパーパラメータ不要の勾配最適化手法を提案し、歩行ベンチマークと四足歩行ロボットのSim2Realで有効性を示した。
- 果樹園における枝の剪定を学習するロボットマニピュレーション2025/7/1
混雑した果樹園で指定された切断点にカッターを導き、枝に垂直に切断する視覚運動コントローラを開発。シミュレーションで学習し、実世界にゼロショット転移して30%の成功率を達成。
- 視覚的想像は視覚と言語によるナビゲーションエージェントを改善するか?VLA2025/3/1
指示文に含まれるランドマークの視覚的想像を拡散モデルで生成し、VLNエージェントの追加モダリティとして与えることでナビゲーション性能が向上するかを検証した。
- 視覚と言語によるナビゲーションエージェントを環境攻撃で乗っ取るVLA2024/12/1
視覚と言語によるナビゲーション(VLN)エージェントに対し、環境中の3Dオブジェクトの見た目を最適化するホワイトボックス敵対的攻撃を開発し、指示を無視させたり経路を逸脱させたりできることを示した。
- 点群モデルはロボット学習者の視覚的ロバスト性を向上させる点群/ロバスト性/モデルベースRL2024/4/1
RGB-Dと点群ベースの視覚制御ポリシーを比較し、点群を明示的に扱うポリシーが視覚変化に対してよりロバストで、新しい点群ワールドモデルがサンプル効率も向上させることを示した。
- 視覚と言語によるナビゲーションエージェントの行動分析VLA2023/7/1
視覚と言語によるナビゲーション(VLN)エージェントが、停止・旋回・移動などの指示をどの程度正しく実行できるかを、スキル別の介入実験で分析した研究。
- 画像で指定された物体へのナビゲーションナビゲーション2023/4/1
画像で指定された物体を探索・再同定・位置推定し、未知環境でロボットを目的地へ誘導するモジュール型システムを構築し、実機で88%の成功率を達成した。
- 盲目ナビゲーションエージェントの記憶に地図が創発するナビゲーション2023/1/1
視覚を使わず自己運動情報のみで強化学習したナビゲーションエージェントが、内部に環境の地図を暗黙的に構築し、未知環境でも高い成功率で賢く移動できることを示した。
- 反復型視覚言語ナビゲーションVLA2022/10/1
同じ環境で長期にわたり記憶を保持しながら言語指示に従って移動するエージェントを評価するIVLNパラダイムとIR2Rベンチマークを提案し、地図構築型エージェントが環境の持続性を活用できることを示した。
- 連続環境における視覚言語ナビゲーションのためのシミュレーション間転移視覚言語ナビゲーション2022/4/1
抽象的なVLN環境で学習したエージェントを連続3D環境のVLN-CEへ転移させ、成功率を12%改善した。性能劣化の原因も分析した。
- 連続環境での指示誘導ナビゲーションのためのウェイポイントモデルナビゲーション2021/10/1
言語指示に従う連続環境ナビゲーション(VLN-CE)において、低レベル行動から連続ウェイポイント予測まで表現力を変えたモデルを比較し、実行時間と成功率のトレードオフを分析した上で、公開リーダーボードで成功率を4%向上させる新たな最先端を達成した。
- 視覚言語ナビゲーションのsim2real転移sim2real2020/11/1
シミュレーションで学習した視覚言語ナビゲーションエージェントを実機ロボットに転移し、サブゴールモデルとドメインランダム化で精度を検証した。
- 言語条件付き模倣学習によるロボットマニピュレーション模倣学習2020/10/1
人間の教示時に自然言語の指示を模倣学習に組み込み、言語・知覚・動作の関連を学習することで、実行時に言語で制御可能なマニピュレーションポリシーを実現した。
- ナビゲーショングラフを超えて:連続環境における視覚と言語によるナビゲーション視覚言語ナビゲーション2020/4/1
環境を疎なパノラマグラフで表す従来の仮定を排し、連続3D環境で自然言語指示に従い低レベル行動を実行するナビゲーションタスクを構築し、既存手法の性能が大きく低下することを示した。
- Sim2Real予測性:シミュレーション評価は実世界性能を予測できるかsim2real2019/12/1
同一コードをシミュレーションと実機で実行できるライブラリHaPyを開発し、PointGoalナビゲーションで9モデルの並行実験を行い、シミュレーション性能と実機性能の相関(SRCC)を定量化した。
- 幻を追う:ベイズ状態追跡としての指示追従VLA2019/7/1
視覚言語ナビゲーション(VLN)において、指示を期待される観測と行動の系列と解釈し、ベイズ状態追跡の枠組みでゴール位置推定を行う微分可能なベイズフィルタを提案した論文。
- 視覚的好奇心:質問を通じて視覚認識を学ぶVLA2018/10/1
ロボットが未知の物体について人間に質問し、その回答から視覚認識モデルを強化学習で構築するフレームワークを提案した論文。
