Yusuf Aytar
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
- RoboTAP: 任意点追跡による少数ショット視覚模倣模倣学習2023/8/1
任意点追跡モデルでデモの動きを抽出し、シーン変化に対応できる低レベル制御器を学習することで、数分のデモから物体配置や接着などの複雑なタスクを少数ショットで模倣できるようにした研究。
- RoboCat: ロボットマニピュレーションのための自己改善型汎用エージェントマニピュレーション2023/6/1
多様なロボットとタスクの経験を活用し、新しいスキルや機体に適応できる汎用マニピュレーションエージェントRoboCatを提案。自己生成データによる改善ループも示す。
- ロボット操作のための事前学習済み視覚モデルの無損失適応マニピュレーション2023/4/1
ロボット操作において、凍結した事前学習済み視覚特徴よりフルファインチューニングが高性能だが、表現ドリフトを引き起こす問題に対し、パラメータ効率の良いアダプタを適切に配置する「無損失適応」を提案し、元の能力を保ちつつ性能ギャップを削減する。
- 少数の成功デモで長期的な器用マニピュレーションを実現する後付け目標選択マニピュレーション2021/12/1
少数の成功デモからタスク固有の目標分布を推定し、後付けリラベリングの探索を誘導することで、長期的な片腕・両腕ロボット操作タスクを少ないデモで効率的に学習する手法を提案した。
- 階層的潜在混合ポリシーによる転移可能な運動スキルの学習スキル学習2021/12/1
離散・連続潜在変数を組み合わせた3階層モデルでオフラインデータから再利用可能な運動スキルを抽出し、新タスクや視覚ベース方策への転移・微調整を可能にする手法を提案した。
- マニピュレータ非依存表現による視覚的模倣模倣学習2021/3/1
異なる身体を持つ実演者の操作軌跡を視覚のみから追従できるよう、環境変化に着目したマニピュレータ非依存表現を学習し、強化学習によるクロスエンボディメント視覚模倣を実現した論文。
- クロスモーダル自己教師あり学習による豊かな触覚表現の獲得触覚2021/1/1
触覚センサ付きの擬人化ロボットハンドで物体を触り、他モダリティとの対応を自己教師あり学習に用いて触覚特徴を学習し、未知物体・姿勢の少数ショット分類で有効性を示した研究。
- 半教師あり報酬学習によるオフライン強化学習オフライン強化学習2020/12/1
人間による報酬アノテーションを最小限に抑えつつ、タイムステップ注釈とデモンストレーションを活用した半教師あり報酬学習手法を提案し、模擬ロボットアーム実験で行動クローニングを大きく上回る性能を達成した。
- 未ラベル経験を活用するオフライン強化学習と模倣学習の融合オフライン強化学習2020/11/1
実演と品質不明の未ラベルデータを対比して報酬関数を学習し、全データに報酬を付与してオフライン強化学習で方策を訓練するORILを提案。連続制御やロボット操作タスクでBCを上回る性能を示した。
- 視覚的ロボット操作のための自己教師ありSim-to-Real適応sim2real2019/10/1
シミュレーションで深層強化学習により潜在状態表現を学習し、ラベルのない実ロボット画像データを用いた時系列ベースの自己教師あり目的関数で実環境に適応させる手法を提案した。
- 報酬スケッチとバッチ強化学習によるデータ駆動ロボティクスのスケーリングマニピュレーション2019/9/1
人間のアノテーションから報酬関数を学習し、大規模なロボット経験データとバッチ強化学習を組み合わせて、実機での物体積み上げや布操作などのマニピュレーションタスクをオフライン学習するフレームワークを提案した。
- ワンショット高忠実模倣:大規模深層ネットを強化学習で訓練する模倣学習2018/10/1
経験をメモリに蓄えてオフポリシーRLで巨大な深層ネットを学習し、視覚入力のみから一回の実演で高忠実に模倣する方策と実演者より効率的に解く方策の両方を獲得する手法MetaMimicを提案した。
