Wanming Yu
収録論文 11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
- GeCCo：脚式ロボットの移動操作スキル向け汎用接触条件付きポリシー移動操作2025/9/1
四足ロボットの任意の接触点を追従できる汎用低レベルポリシーを強化学習で訓練し、歩容・不整地移動・物体操作など多様なタスクを単一ポリシーで実現した。
- マルチモーダル大規模言語モデルによる選好に基づく長期的ロボット積み重ねマニピュレーション2025/9/1
マルチモーダルLLMを高レベルプランナとして用い、重さや安定性などの選好を考慮した長期的な積み重ねタスクを実現する。カスタムデータセットで微調整し、シミュレーションと実機ヒューマノイドで有効性を示した。
- ダイナミクス条件付き方策による四足ロボットの参照不要なプラットフォーム適応歩行歩行2025/5/1
深層強化学習で手続き的に生成した多様な四足ロボットを訓練し、形態やダイナミクスに適応する単一の歩行方策を実現した。
- フローモデルによる軌道スティッチングの改善マニピュレーション2025/5/1
フローモデルを用いた軌道計画において、訓練データに完全な解が存在しない場合でも既存軌道を組み合わせて計画できるよう、アーキテクチャとデータセットの設計および学習・推論手法を改良した。
- 四足歩行の俊敏な移動を実現するスキル切替基準の発見歩行2025/2/1
深層強化学習と最適化を組み合わせ、目標位置に応じて歩容（トロット・バウンド・ギャロップ）を自動的かつ自然に切り替える多スキル四足歩行ポリシーを学習し、実機でも転倒からの復帰を含めて実証した。
- 拡散モデルによる四足歩行のオフライン適応歩行2024/11/1
分類器不要のガイド付き拡散モデルを用いて、四足ロボットの複数スキル学習と訓練後の新しい歩行行動へのオフライン適応を実現し、ANYmalでの実機実験で有効性を示した。
- 制約付きスキル発見：教師なし強化学習による四足歩行歩行2024/10/1
距離制約下でスキルと状態の相互情報量を最大化し、ノルムマッチング目的で多様な歩行スキルを学習。実機ANYmalでゼロショット目標到達を実現した。
- 触覚センシングを用いた少数実演からの繊細なピンチ把持スキルの学習触覚2023/7/1
触覚情報を畳み込みオートエンコーダで符号化し、少数の実演から両腕の繊細なピンチ把持を模倣学習するデータ効率の良い枠組みを提案した。
- 移動スキル学習に重要な感覚フィードバックの特定歩行2023/6/1
深層強化学習で学習した移動スキルにおいて、どの感覚フィードバックが重要かを定量的に分析し、最小限の状態でロバストな性能を実現できることを示した。
- 到達可能性に基づくクラスタリングで歩行スキルを効率的に学習歩行2021/9/1
状態間の遷移しやすさを表す到達可能性指標で状態空間をクラスタリングし、自動発見した代表姿勢を初期状態に使うことで、四足ロボットの転倒復帰などの歩行スキルを少ない試行で頑健に学習する手法を提案した。
- 適応型脚式移動のためのマルチエキスパート学習歩行2020/12/1
複数の専門家ネットワークをゲーティングで組み合わせ、未知の状況にも適応できる脚式ロボットの運動スキルを学習・合成する手法を提案し、実機四足ロボットでトロット・操舵・転倒復帰を実現した。
