Tyler Han

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

• 安全な模倣学習のための識別バリア関数
  模倣学習/安全性2026/7/1

  逆強化学習の報酬関数を制御バリア関数に制約し、専門家の観察から直接バリア関数を学習して安全な制御を実現する手法を提案した。

• オンライン世界モデリングによる観察からの実世界逆強化学習
  逆強化学習2026/2/1

  オンライン世界モデルを用いて、実世界のロボットが観察（動画）のみから視覚的マニピュレーションを逆強化学習で学習する手法を提案し、ピックアンドプレースを40分未満で82%の成功率まで達成した。

• 観測からの計画のためのモデル予測敵対的模倣学習
  模倣学習/計画2025/7/1

  逆強化学習のポリシーをモデル予測制御に置き換え、観測のみのデモから計画器をエンドツーエンドで学習する手法を提案し、サンプル効率や汎化性能の向上を示した。

• Wheeled Lab：低コスト・オープンソース車輪型ロボティクスのためのモダンなSim2Real
  sim2real2025/2/1

  オープンソースの車輪型ロボットとIsaac Labを統合したエコシステムを構築し、ドリフト制御・起伏走行・視覚ナビゲーションのゼロショット方策を実現した。

• アグレッシブなオフロード走行領域におけるダイナミクスモデル
  sim2real2024/5/1

  オフロード自律走行の高速・過酷な運転領域で、複雑さの異なる3つのダイナミクスモデルの予測精度をシミュレーションと実世界データで評価し、攻撃性が増すと精度が低下することを示した。

• クープマン作用素と動的運動プリミティブを統合した深層学習による模倣学習
  模倣学習2023/12/1

  クープマン作用素と動的運動プリミティブを組み合わせ、非線形な運動を線形潜在空間に射影することで、少数のデモンストレーションから複雑な動作を学習する手法を提案した。

• 不整地におけるアグレッシブ走行のためのモデル予測制御
  走行制御/MPC2023/11/1

  不整地での高速走行において、横転や溝越えの失敗を防ぐ物理ベースの走行可能性制約を導出し、並列化可能なMPCに組み込むことで、事前情報なしに安全かつアグレッシブな自律走行を実現した。