Trevor Ablett
収録論文 10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
- 実例からの価値ペナルティ付き補助制御によるデモンストレーション不要の効率的模倣模倣学習2024/7/1
完了したタスクの実例のみを用いた強化学習において、簡単な補助タスクの実例と成功レベル以上の価値ペナルティを追加することで探索を大幅に改善し、学習効率を高める手法VPACEを提案した。
- 逆再生で学ぶ配置:把持による配置学習マニピュレーション2023/12/1
把持動作を逆再生して配置タスクの実演データを自動収集し、接触制約下での物体配置を視覚のみから模倣学習する手法を提案。
- 透過型視触覚センサを用いたマルチモーダル・力整合模倣学習触覚2023/11/1
透過型視触覚センサを使い、触覚力の整合とモード切替を組み合わせた模倣学習で、接触の多いドア開けタスクの成功率を大幅に向上させた。
- ガイド付きプレイからの学習:補助タスクによる敵対的模倣学習の探索改善模倣学習2023/1/1
複数の探索的な補助タスクの専門家デモを活用し、敵対的模倣学習の探索不足による局所解を回避するフレームワークLfGPを提案。ロボットマニピュレーションで既存手法を上回る性能とサンプル効率を示した。
- マルチモーダル時系列データからの逐次潜在変数モデルの学習マルチモーダル潜在ダイナミクス2022/4/1
マルチモーダルな時系列センサデータから潜在状態表現とダイナミクスを自己教師ありで同時に学習する生成モデルを提案し、ロボットの平面押しタスクで予測・表現品質が向上することを示した。
- ガイド付きプレイからの学習:敵対的模倣学習における探索改善のためのスケジュール階層型アプローチ模倣学習2021/12/1
専門家の主タスクと複数の補助タスクのデモを活用し、階層モデルとタスクを組み合わせるスケジューラで全タスクの探索を促すことで、敵対的模倣学習の学習効率と転移を改善するフレームワークを提案した論文。
- 多視点から見る:接触の多いタスクのための模倣学習による多視点マニピュレーションポリシー模倣学習/マニピュレーション2021/4/1
様々な視点から収集したデモデータを用いた模倣学習により、移動マニピュレーションロボットが視点に依存せず接触の多い多段タスクを遂行できる多視点ポリシーを実現し、固定視点学習との比較分析を行った論文。
- 失敗予測で専門家負担を軽減するFIRE模倣学習2020/7/1
方策の失敗を事前に予測して実行を停止し専門家に修正を求める仕組みを提案し、専門家データと非専門家データの両方から学習することで介入型学習のサンプル効率を大幅に改善した。
- 連続時間軌道最適化による可操作度の高速最大化マニピュレーション2019/8/1
マニピュレータ軌道を連続時間ガウス過程で表現し、軌道生成時に可操作度指数を最大化することで、滑らかで器用な関節配置を実現する手法を提案した。
- 接触情報を用いた移動マニピュレータの自己校正自己校正2018/3/1
接触情報と点群レジストレーションにより、移動ベース上の視覚センサとエンドエフェクタ間の外部変換およびマニピュレータの運動学パラメータを、外部装置やマーカーなしで自動推定する手法を提案し、センチメートル級の精度を実証した。
