Yu-Ming Chen
The University of Texas at Austin
収録論文 9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
- HULK: ヒューマノイドの全身力強いロコマニピュレーション学習ロコマニピュレーション2026/10/6
MPCで強化学習を導き、荷重下でのバランスを保ちながら重い物体を全身で操作するヒューマノイド制御フレームワークを提案し、Unitree G1で実証した。
- LIMBO: 俊敏かつ安全な全身制御のためのモデルフリー障壁目的の学習と内部化全身制御2026/9/18
黒箱遷移から状態行動制御障壁関数を学習し、その安全構造をタスク方策に蒸留することで、オンライン安全フィルタなしに人型ロボットの全身制御を安全かつ俊敏に実現するフレームワーク。
- 強化学習による自転車アクロバット強化学習/アクロバット2026/8/1
強化学習を用いて自転車ロボットに多様なアクロバティックなスタント(ジャンプ、フリップ、ウィリーなど)を学習させ、状態依存トリガーでポリシーを切り替えるオーケストレータにより長期的な連続スタントを実現した。
- 超機動車両:走行・バランス・ジャンプを実現する自転車ロボットのシステム設計歩行・バランス制御2026/2/1
自転車と反動質量を組み合わせ、最小限のアクチュエータで走行・バランス・ジャンプを実現するロボットを設計し、強化学習で多様なアクロバティック動作を実現した。
- 脚式ロボットの低次元モデルに対する強化学習歩行2023/10/1
二足歩行ロボットのモデル予測制御(MPC)内で低次元モデル(ROM)を強化学習し、タスク可能領域を49%拡大し、モータトルクコストを21%削減した。
- 倒立振子を超えて:脚式移動のタスク最適な簡易モデル歩行2023/1/1
タスク分布とコスト関数に基づいて脚式ロボットの低次元モデルを自動最適化する手法を提案し、二足歩行ロボットCassieで関節トルクコストを最大23%削減、歩行速度を最大54%向上させた。
- 脚式ロボットのための可積分な全身姿勢座標歩行2022/10/1
システムの運動履歴に依存せず、特定のリンクに固定されない全身の姿勢を定義し、その変化率が全角運動量を近似する座標を提案。実機実験を含む複数の応用例を示した。
- 二足歩行の最適低次元モデリング歩行2019/9/1
LIPやSLIPのような低次元モデルを自動合成し、高次元系の能力を保ちつつ歩行速度や傾斜に最適化するアルゴリズムを提案した論文。
- RAMoneで安定かつエネルギー効率の良い歩行を学習歩行2017/11/1
平面二足歩行ロボットRAMoneの制御パラメータを強化学習(CMA)で最適化し、様々な速度で安定かつ省エネな歩行を実現した。
