Tom Jurgenson
収録論文 6本 ・ フィジカルAI/ロボット学習
マニピュレーション運動力学プランニング生成モデル強化学習動作計画
※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
- TWISTED-RL: 人間の実演なしで結び目を作る階層的スキルエージェントマニピュレーション2026/2/1
人間の実演なしでロボットが結び目を作るため、結び目作業を抽象的なトポロジー動作で分解し、強化学習で各サブタスクを解く階層型フレームワークを提案した。
- 拡散木による一度の学習でどこでも計画可能な運動力学モーションプランニング運動力学プランニング2025/8/1
拡散ポリシーをサンプリングベースプランナの誘導に用いることで、単一環境で学習したモデルを未見環境に汎化させ、動的制約下での安全な軌道計画を高速化する手法を提案。
- RoboArm-NMP:ニューラル動作計画のための学習環境マニピュレーション2024/5/1
ロボットマニピュレータ向けのニューラル動作計画アルゴリズムを学習・評価するPyBulletベースの環境を提案し、既存手法の未知の目標や障害物配置への汎化性能を比較した。
- 生成モデルの微調整によるロボットタスクの推論手法生成モデル2023/10/1
観測に合致する生成サンプルで生成モデルをクロスエントロピー法により素早く微調整し、把持からの形状推論や逆運動学、点群補完などに応用する汎用手法を提案。
- サブゴール木:ゴールベース強化学習のためのフレームワーク強化学習2020/2/1
全ペア最短経路の動的計画法に基づき、開始とゴールの中間状態を再帰的に予測して軌道を構築するサブゴール木を提案し、7自由度ロボットアームの障害物回避で標準RLを上回る性能を示した。
- 強化学習を活用したニューラル動作計画動作計画2019/6/1
画像とロボット状態から次の状態を予測するニューラル動作計画を強化学習で学習し、教師あり学習より高精度で従来のサンプリング手法より高速に計画できることを示した。
