Wenxuan Zhou
収録論文 12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
- 脚による視覚マニピュレーションマニピュレーション2024/10/1
四足ロボットが脚を使って物体を操作できるシステムを開発し、強化学習による視覚操作方策と歩行・操作コントローラを組み合わせて、シミュレーションと実機で物体の姿勢合わせを実現した。
- HACMan++: 空間的に接地された運動プリミティブによるマニピュレーションマニピュレーション2024/7/1
把持や押しなどの運動プリミティブを「種類・接地位置・実行パラメータ」で表現し、強化学習で組み合わせて長期的な操作タスクを達成する手法を提案。形状や姿勢の変化に汎化し、sim-to-real転移も実現した。
- 触覚強化学習による未知物体のSim2Realマニピュレーションsim2real2024/3/1
多様な物体をシミュレータ上で触覚入力を用いた強化学習により訓練し、未知物体への汎化と実機転移を実現する手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- 安全制約を埋め込んだMDPと軌道最適化による強化学習安全強化学習2023/10/1
安全制約をMDPの行動空間に埋め込み、軌道最適化で安全な軌道に変換することで、報酬最大化と安全性の両立を図る強化学習手法を提案し、実機の箱押しタスクで有効性を示した。
- HACMan: 6D非把持マニピュレーションのためのハイブリッドActor-Criticマップ学習非把持マニピュレーション2023/5/1
点群観測を用いて、物体を掴まずに6Dで操作する強化学習手法を提案。接触位置と動作パラメータを組み合わせたハイブリッド行動表現で、未見物体への汎化とsim2real転移を実現した。
- 掴めないものを掴む:創発的な外部環境を活用した器用さの学習マニピュレーション2022/11/1
強化学習により、壁に物体を押し付けて回転させてから掴むといった外部環境を活用した動作を獲得し、シミュレーションで学習した方策を実機にゼロショット転移して78%の成功率を達成した。
- オフポリシーデータを用いたロボット生涯学習における忘却と不均衡強化学習2022/4/1
生涯学習RLで生じる「保守性と学習効率のトレードオフ」と「環境間データ不均衡による性能低下」を分析し、オンライン対話とオフライン蒸留を分離する手法で解決する。
- リアプノフ障壁関数による安全制約付き強化学習ポリシー最適化安全強化学習2021/3/1
リアプノフ障壁関数を用いてポリシー更新を安全集合内に制限し、学習中の制約違反を大幅に削減する強化学習手法LBPOを提案した。
- 潜在行動空間を用いたオフライン強化学習オフライン強化学習2020/11/1
方策を潜在行動空間で学習することでデータ分布外の行動選択を自然に防ぎ、ロボットを含む連続制御タスクで既存手法を上回る性能を示した論文。
- オンライン計画とオフポリシー学習を組み合わせた強化学習手法LOOP強化学習2020/8/1
学習済みモデルと価値関数を用いたHステップ先読み方策を提案し、モデル誤差と価値誤差のトレードオフを理論・実験で示すとともに、Actor Divergence問題を解決するARCを導入してロボットタスクでの性能向上を実証した論文。
- 環境を探るインタラクションポリシー強化学習2019/7/1
強化学習で未知環境に適応するため、まず環境の特性を探るEPIポリシーを学習し、その情報をタスクポリシーの入力に用いる手法を提案。遷移予測性に基づく報酬で学習し、新規環境での性能を向上させた。
