Stephen Tu
収録論文 8本 ・ フィジカルAI/ロボット学習
報酬モデリングVLAマニピュレーションオフライン強化学習ナビゲーション模倣学習
※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
- Robometer：軌道比較による汎用ロボット報酬モデルのスケーリング報酬モデリング2026/3/1
軌道内の進捗監督と軌道間の選好監督を組み合わせた報酬モデルを提案し、100万軌道のデータセットで学習することで、汎用性の高い報酬関数を実現した。
- CLAM: ラベルなし実演からのロボット学習のための連続潜在行動モデルVLA2025/5/1
行動ラベルなしの観察列とタスク非依存のプレイデータのみから、自己教師ありダイナミクス予測で連続潜在行動を推論し、実機ロボットの制御方策を学習する手法を提案。
- 方策としてのエネルギーベースモデルの再検討：ランキングノイズコントラスティブ推定とエネルギー補間モデルVLA2023/9/1
高次元連続空間でも訓練可能なエネルギーベースモデル方策を提案し、ランキングノイズコントラスティブ推定と学習可能な負例サンプラーで効率的に学習する手法を開発した。
- 助けを求めるロボット：大規模言語モデルプランナーの不確実性調整VLA2023/7/1
LLMベースのプランナーが不確実な状況を検知して人間に助けを求める枠組みKnowNoを提案し、複雑な多段階計画タスクで効率と自律性を向上させた。
- 全身MPCとブラックボックス方策学習による俊敏なキャッチングマニピュレーション2023/6/1
高速で投げられた物体を視覚と固有感覚のみで受け止めるタスクに対し、モデル予測制御と強化学習の2手法を実機で比較し、性能トレードオフを分析した。
- 視覚的バックトラッキング遠隔操作：画像ベースオフライン強化学習のためのデータ収集プロトコルオフライン強化学習2022/10/1
遠隔操作で失敗・回復・成功を意図的に収集するVBTプロトコルを提案し、Tシャツ把持タスクでオフライン強化学習の性能を13%向上させた。
- Performer-MPC: 実世界ナビゲーションのためのリアルタイム注意機構を用いたモデル予測制御器の学習ナビゲーション2022/9/1
低ランク注意機構Transformerで視覚文脈を埋め込み、学習したコスト関数とMPCを組み合わせて実世界の混雑環境や人混みでのナビゲーション性能を向上させた。
- 安定な模倣学習のための収縮ベクトル場の学習模倣学習2018/4/1
サンプル軌道から漸近安定な力学系を学習する非パラメトリック手法を提案し、カーネル近似と凸最適化で平衡点や収縮性を制御、手書き模倣で有効性を示した。
