Tyler Westenbroek
収録論文 8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
- 多様なリセットと大規模強化学習による創発的な器用さ器用操作/強化学習2026/3/1
シミュレータのリセットを多様化して強化学習に様々なロボットと物体の相互作用を経験させることで、単一の報酬関数と固定ハイパーパラメータで長時間の器用な操作タスクを解くフレームワークOmniResetを提案した。
- シミュレーション蒸留:実世界への迅速な適応のためのシミュレーションでのワールドモデル事前学習ワールドモデル/sim2real2026/3/1
物理シミュレータから得た行動条件付き経験をワールドモデルに蒸留し、実世界ではエンコーダ等を固定して潜在ダイナミクスのみを更新することで、接触を伴う操作や歩行タスクで迅速な適応を実現する手法を提案した。
- 残差フロー誘導による強化学習:器用なマニピュレーションのための適応手法マニピュレーション2026/2/1
事前学習済みのフローマッチング方策を、残差行動と潜在ノイズ分布を同時最適化する強化学習で微調整し、器用なマニピュレーションを効率的に適応させる手法を提案。
- シミュレーション誘導ファインチューニングによる実世界への迅速な適応sim2real2025/2/1
シミュレータで学習した価値関数を実世界の探索に活用し、少ない実データで巧みな操作タスクへ適応させる手法を提案。
- 3分間の実世界データから歩行を学習する半構造化ダイナミクスモデルsim2real2024/10/1
物理法則に基づくラグランジアン力学とブラックボックスモデルを組み合わせた半構造化ダイナミクスモデルを提案し、実機の四足歩行ロボットで数分のデータから動的歩容を学習できることを示した。
- 近似物理モデルによる効率的で信頼性の高い実世界強化学習実世界強化学習2023/7/1
簡略化された物理モデルを活用し、実世界データを数分程度しか使わずに高精度な制御方策を学習するポリシー勾配フレームワークを提案。小型車と四足歩行ロボットで有効性を実証した。
- ロバストで効率的なロボット強化学習のためのリアプノフ設計強化学習2022/8/1
制御リアプノフ関数をコストに組み込むことで、安定化制御器を少ないデータで学習できる強化学習手法を提案し、実機の台車型倒立振子と四足歩行ロボットで検証した。
- 強化学習による二足歩行ロボットの入出力線形化制御器の改善歩行2020/4/1
入出力線形化制御器に学習項を加え、モデル不確かさと入力飽和に対処することで二足歩行ロボットの制御性能を向上させた研究。
