Thomas Beckers
収録論文 7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
- 保守的リーチアビリティのためのニューラルHamilton-Jacobiサブソリューション安全制御/リーチアビリティ2026/11/4
Hamilton-Jacobiリーチアビリティの学習において、安全側に保守的なサブソリューションを学習することで危険状態の誤分類を減らすConDRを提案し、複数システムで衝突率の低減を示した。
- コッセラトロッド理論に基づくソフトロボットの学習ベースモデリングソフトロボティクス2026/6/1
ソフトロボットの動力学を、コッセラトロッド理論とハミルトン物理を統合したポートハミルトンガウス過程回帰フレームワークで学習・シミュレーションする手法を提案した。
- 不確かさを定量化したポート・ハミルトニアンモデルによるプラグアンドプレイ物理情報学習物理情報機械学習2025/4/1
分布外の観測に対して外れ値を検出し、予測器を物理整合的な分散ポート・ハミルトニアンモデルへ切り替えることで、信頼できる物理情報に基づく軌道予測を実現するフレームワークを提案した。
- 不確かさを定量化するポート・ハミルトニアンモデルによるPDE系の物理制約付き学習物理制約付き学習2024/6/1
柔軟物体の複雑なダイナミクスを、分散ポート・ハミルトニアンモデルで物理的に制約したガウス過程で学習し、不確かさの定量化も可能にする手法を提案した。
- 不確かさ定量化を伴うスイッチングPort-Hamiltonian系の学習物理ベース学習2023/5/1
スイッチングPort-Hamiltonian系とガウス過程を組み合わせ、物理的に妥当な系のダイナミクスとスイッチング条件を不確かさ付きで学習する手法を提案し、跳躍ロボットのシミュレーションで検証した。
- 実時間制御のための深層学習による不確実性分解制御/不確実性推定2020/10/1
訓練データの有無に基づく認識的不確実性を0〜1の連続値で推定する深層学習手法を提案し、サンプリング不要な実時間推論を可能にした。シミュレーションのクアッドコプター制御で有効性を示した。
- ソフトロボットを柔らかいままに:データ駆動型フィードフォワード・フィードバック制御のトレードオフソフトロボティクス2019/6/1
ガウス過程回帰でデータ駆動型モデルを構築し、モデルの信頼度に応じてフィードフォワードとフィードバックの割合を適応させることで、ソフトロボットの柔軟性を保ちながら追従制御を実現した。
