Xingyou Song
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
- ゼロから適応可能な記号アルゴリズムを発見する進化的ロボティクス2023/7/1
AutoML-Zeroを基に、環境変化にその場で適応する制御アルゴリズムをゼロから進化的に発見する手法AutoRobotics-Zeroを提案し、脚が突然壊れる四足ロボットの制御でニューラルネットベースラインを上回ることを示した。
- 効率的注意機構で視覚強化学習を高解像度化する視覚強化学習2021/2/1
効率的な注意アルゴリズムを強化学習に導入し、注意ボトルネック型の視覚エージェントを高解像度入力や小さなパッチ(画素単位)までスケール可能にし、汎化性能を向上させた。
- ES-ENAS:大規模ハイブリッド探索空間のための効率的進化最適化進化最適化2021/1/1
組合せパラメータと連続パラメータが混在する大規模ブラックボックス最適化に対し、進化戦略と組合せ最適化をスーパーネット的に統合したES-ENASを提案し、サンプル効率とRLベンチマークでのアーキテクチャ探索性能を示した。
- モデルフリー強化学習による卓球ロボットマニピュレーション2020/3/1
進化探索とCNNベースのポリシーを用いて、100Hzでロボット関節を制御し卓球の球を返球するモデルフリー強化学習手法を提案。カリキュラム学習によりフォアハンドとバックハンドの多様な打法を獲得し、80%の返球率を達成した。
- 進化的メタ学習による迅速に適応可能な脚式ロボット歩行2020/3/1
進化的戦略に基づくメタ学習とノイズに強いバッチ山登り適応を組み合わせ、四足歩行ロボットが3分未満の実データで動力学変化に素早く適応できる手法を提案した。
- ES-MAML:二階微分不要のシンプルなメタ学習メタ学習2019/10/1
進化戦略を用いてMAMLの二階微分推定問題を回避する新しいメタ学習フレームワークES-MAMLを提案し、既存手法と同等以上で少ないクエリで適応できることを示した。
- 彩色ネットワークによる強化学習のためのコンパクトアーキテクチャ探索強化学習/アーキテクチャ探索2019/7/1
ENASと進化戦略を組み合わせ、エッジの彩色(同重みクラス分割)を探索空間として強化学習ポリシーを極限まで軽量化する手法を提案。17パラメータでも良好な報酬を維持し、従来比6倍の圧縮を実現した。
