Viktor Makoviychuk
収録論文 14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
- Isaac Lab:マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワークsim2real2025/11/1
GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。
- DextrAH-G: 幾何学的ファブリックを用いたピクセルから動作への巧みなアーム・ハンド把持マニピュレーション2024/7/1
深さ画像から直接動作を生成する強化学習と幾何学的ファブリックを組み合わせ、シミュレーションのみで訓練した23自由度アーム・ハンドロボットの高速で安全な巧みな把持方策を実現した。
- 幾何学的ファブリック:方策学習のための安全な誘導媒体強化学習2024/5/1
非線形幾何学に基づく人工的な二次ダイナミクス(幾何学的ファブリック)を導入し、ロボットの行動を安全に誘導する新たな行動空間を提供することで、強化学習方策の学習を容易にするフレームワークを提案。
- DexPBT: 集団ベース訓練によるハンド・アーム系の巧みな操作のスケーリングマニピュレーション2023/5/1
GPU並列物理シミュレータ上で、多指ハンドを備えた片腕・両腕ロボットの巧みな物体操作を強化学習するため、分散型集団ベース訓練(PBT)アルゴリズムを提案し、再把持や投擲、物体回転などの難タスクで堅牢な制御方策を獲得できることを示した。
- DeXtreme: シミュレーションから現実への俊敏なハンド内マニピュレーションの転移sim2real2022/10/1
強化学習で訓練した多指ハンドの巧みな操作方策と物体姿勢推定器を、シミュレーションから実機へ転移させ、視覚ベースの方策で既存手法を上回る再配向タスクを実現した。
- EnvPool: 強化学習環境の高速並列実行エンジン強化学習基盤2022/6/1
強化学習のボトルネックである環境シミュレーションを並列化し、Atariで毎秒100万フレーム、MuJoCoで毎秒300万フレームを達成する高速実行エンジンを提案。
- 並列微分可能シミュレーションによる方策学習の高速化sim2real2022/4/1
微分可能シミュレータと新アルゴリズムSHACを組み合わせ、局所解や勾配消失を抑えつつ並列環境で方策学習を高速化した論文。
- OSCAR: 適応的で堅牢なロボットマニピュレーションのためのデータ駆動型操作空間制御マニピュレーション2021/10/1
操作空間制御(OSC)のモデル誤差をオンライン軌道から動力学パラメータを推定して補償するデータ駆動型手法OSCARを提案し、分布外でのゼロショット性能と迅速な適応を実現した。
- Isaac Gym:ロボット学習のためのGPUベース高性能物理シミュレーションsim2real2021/8/1
物理シミュレーションとニューラルネットワーク学習を両方GPU上で実行し、CPUボトルネックを排除することで、ロボット強化学習の訓練を従来比2〜3桁高速化したプラットフォームを提案。
- GPUシミュレーションから遠隔実機TriFingerへの巧みな操作の転移sim2real2021/8/1
3本指ロボットで立方体を任意の6自由度姿勢に動かすタスクをIsaacGymで強化学習し、キーポイント表現とドメインランダム化により遠隔実機で83%の成功率を達成した。
- 接触フィードバックとGPU加速ロボットシミュレーションによる把持物体の姿勢追跡把持・物体姿勢推定2020/2/1
GPUで並列化した物理シミュレーションとサンプルベース最適化を用い、把持中の物体姿勢を接触情報からリアルタイム(30Hz)で追跡する手法を提案した。
- 接触と摩擦を伴う剛体・変形体の非平滑ニュートン法によるシミュレーション物理シミュレーション2019/7/1
接触・摩擦下の剛体と超弾性変形体の連成を非平滑ニュートン法で直接解くGPU対応シミュレータを提案し、巧緻操作や強化学習での性能を示した。
- 実世界経験でシミュレーションのランダム化を適応させ、sim-to-realのループを閉じるsim2real2018/10/1
実世界での少数の試行を方策学習に交互に組み込み、シミュレーションのパラメータ分布を自動調整することで、実機への方策転移を改善する手法を提案した。
- GPU加速シミュレーションによる分散強化学習の高速化sim2real2018/10/1
GPUベースの物理エンジンNVIDIA Flexを用いて強化学習のシミュレーションを高速化し、CPUを大幅に削減しつつ歩行タスクの学習を短時間で実現した。
