Ahmed H. Qureshi
Purdue University
収録論文 59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
- 任意のリーマン多様体上の時間場を学習するためのリーマン・スプラット回帰モデル運動計画2026/9/29
リーマン多様体上で関数を学習するため、ラップドガウス分布によるスプラット回帰モデルを提案し、到着時間場の学習に適用して精度とモデルサイズを比較した。
- 反復LQゲームによる多腕システムの協調動作計画群制御2026/8/27
多関節ロボットアームの共有作業空間での動作計画を、各アームを独立エージェントとする反復線形二次ゲームとして定式化し、衝突ペナルティを組み込んで協調的で安全な軌道を生成する手法を提案した。
- hint$^2$: 推論時時間論理ガイダンスのための階層的世界モデル操作/時間論理/世界モデル2026/8/13
ロボットの操作ポリシーを線形時間論理(LTL)で表される複雑な指示に従わせるため、階層的世界モデルを用いて推論時に高レベルと低レベルの2つのガイダンスを生成する手法を提案した。
- NeHMO: ニューラルハミルトン-ヤコビ到達可能性学習による分散型安全マルチアーム動作計画動作計画2026/7/1
多腕ロボットの安全な動作計画を、ニューラルネットワークで近似したハミルトン-ヤコビ到達可能性解析に基づく価値関数を用いて分散的に行う手法を提案した。
- ハイブリッド接触ダイナミクス下での物理情報を活用した目標条件付き強化学習強化学習/操作2026/5/1
接触を伴う操作タスクで物理情報を活用した目標条件付き強化学習(Pi-GCRL)が劣化する問題を分析し、接触を考慮した階層的定式化を提案して性能を改善した。
- 疎なロードマップを用いた物理情報ニューラル動作計画の弱教師あり学習動作計画2026/4/1
疎なロードマップからの弱教師信号と物理情報に基づくPDE正則化を組み合わせた階層型ニューラル時間場（H-NTFields）を提案し、複雑な多部屋環境での動作計画のロバスト性を向上させた。
- 制約グラフに基づくモデル予測制御によるリアクティブなマルチエージェントタスク・動作計画群制御2026/3/1
相互依存する幾何学的制約の系列を扱うマルチエージェントTAMP問題に対し、MPCと統合した制約グラフフレームワークを提案し、部分順序タスクや動的エージェント割り当て、外乱回復を実現した。
- PPGuide: 性能予測ガイダンスによる拡散ポリシーの操縦拡散ポリシー/操作2026/3/1
拡散ポリシーの推論時に、自己教師あり学習で訓練した性能予測器の勾配を用いて失敗を回避する軽量なガイダンス手法を提案し、RobomimicとMimicGenベンチマークで性能向上を確認した。
- ロボット政策学習と検証における形式手法：現状技術と将来展望に関するサーベイ形式手法2026/2/1
ロボット学習における形式手法の活用を政策学習と政策検証の2つの柱で整理し、代表的手法のスケーラビリティや表現力を比較して、安全性と正確性の向上への貢献をまとめたサーベイ。
- 混雑空間におけるメイクスパン効率の良い物体再配置のためのマルチエージェントモンテカルロ木探索マニピュレーション2026/2/1
混雑環境での非単調な物体再配置を効率的に行うため、集中型タスク割り当てと非同期実行を組み合わせたマルチエージェントMCTSフレームワークCAM-MCTSを提案し、シミュレーションと実機で有効性を示した。
- アイコナール制約付き階層的準距離強化学習による目標到達目標条件付き強化学習2025/12/1
目標到達タスクをアイコナール方程式で連続時間化した準距離強化学習（Eik-QRL）を提案し、さらに階層化したEik-HiQRLでナビゲーションやマニピュレーションの性能を向上させた論文。
- 多様体制約付きハミルトン・ヤコビ到達可能性学習による分散型マルチエージェント動作計画マルチエージェント動作計画2025/11/1
タスク由来の多様体制約下で安全な分散型マルチエージェント動作計画を実現するため、多様体制約付きHJR学習を提案し、軌道最適化に統合した。
- オートマトン制約付きQ学習強化学習2025/10/1
線形時相論理(LTL)のオートマトン表現を活用し、時系列の目標達成と時変安全制約を同時に扱える強化学習手法ACQLを提案。連続制御タスクと6自由度ロボットアームで有効性を実証した。
- PCA正規化によるロバストな点群強化学習点群強化学習2025/10/1
点群強化学習において、PCAベースの正規化で任意の剛体変換を標準姿勢に揃え、未知のカメラ視点に対するロバスト性を向上させる手法を提案。
- 物理事前知識を用いたオンライン階層的政策学習による未知環境でのロボットナビゲーションナビゲーション2025/10/1
未知の大規模屋内環境でのロボットナビゲーションのため、高レベルで疎なグラフによる大域的接続性を捉え、低レベルでニューラル場とEikonal PDEを組み合わせた物理情報に基づく階層的計画手法を提案し、スペクトルバイアスや破滅的忘却を克服してオンライン探索・地図構築・実環境ナビゲーションの可能性を示した。
- オフライン目標条件付き強化学習のための物理情報付き価値学習オフライン強化学習2025/9/8
アイコナール方程式に基づく物理情報正則化を価値関数学習に導入し、オフライン目標条件付き強化学習の性能と汎化を改善した。
- 任意物体の文脈的手渡しのためのマルチモーダル意図モデリング物体手渡し2025/8/1
人間の言語・非言語指示から対象物体を選び、暗黙的・明示的な好みを考慮して把持と手渡し動作を生成する統合手法を提案し、実機実験とユーザー研究で有効性を示した。
- 把持物体操作のための物理情報ニューラル時間場マニピュレーション2025/8/1
物理情報ニューラルネットワーク（PINN）を用いて、 clutter 環境での物体操作タスクを効率的に解く手法を提案。専門家データ不要でアイコナール方程式を学習し、把持の再計画も可能。
- Manip4Care: 支援タスクのための人間の手足のロボットマニピュレーションマニピュレーション2025/8/1
重度の運動障害者への介護支援（入浴や着替えなど）に向け、人間の手足を掴んで動かすロボットマニピュレーションのシミュレーションパイプラインを提案。生体力学的制約と衝突回避を考慮し、実機マネキンでも検証した。
- NeHMO: 分散型安全マルチアーム動作計画のためのニューラル・ハミルトン・ヤコビ到達可能性学習マニピュレーション2025/7/1
ニューラルハミルトン・ヤコビ到達可能性学習を用いて最悪ケースのアーム間安全制約を捉える安全価値関数を近似し、分散型軌道最適化でリアルタイムなマルチアーム動作計画を実現した。
- 領域分割による物理情報ニューラル運動計画の大規模環境への拡張運動計画2025/6/1
大規模環境での運動計画のため、開始点と目標点の潜在表現間の距離としてコストを計算する新しいニューラル場表現FB-NTFieldsを提案し、四足歩行ロボットで実証した。
- 物理条件付き把持による安定した道具使用マニピュレーション2025/5/1
道具使用時の力学的負荷を考慮して把持を選ぶ手法を提案し、シミュレーションと実機でトルク抑制と成功率向上を実現した。
- 軟体ツールによる剛体操作のための暗黙的物理認識ポリシーマニピュレーション2025/2/1
ロープなどの軟体ツールを使い、未知の物理環境下で剛体を一度の動作で目標位置へ運ぶタスクに対し、物理特性を暗黙的に推定して行動を予測するIPAポリシーを提案した。
- 動的屋内環境におけるロボットナビゲーションのための微分可能な複合ニューラル符号付距離場ナビゲーション2025/2/1
RGB-Dセンサのみを用い、複数のニューラルSDFを合成して動的屋内環境での軌道最適化を行う二段階ナビゲーション手法を提案し、iGibson 2.0で98%の成功率を達成した。
- 未知の狭所・散乱環境における効率的な物体回収のための能動センシングと再配置計画の統合マニピュレーション2024/11/1
未知の狭く散らかった空間から対象物を取り出すため、能動センシングとMCTSベースの再配置計画を統合し、互いにフィードバックしながら障害物の移動と回収軌道を計画する手法を提案した。
- 未知環境における物理情報に基づくニューラルマッピングと動作計画動作計画2024/10/1
アイコナール方程式の解である到達時間場をニューラルネットで直接学習し、未知環境を探索しながら地図生成と動作計画を同時に行う手法を提案した。
- 制約多様体上の物理情報ニューラル運動計画運動計画2024/3/1
制約多様体上でアイコナール方程式を解く物理情報ニューラルネットワークを学習し、専門家データなしで高速な制約付き運動計画を実現した。
- Neural Rearrangement Planning for Object Retrieval from Confined Spaces Perceivable by Robot's In-hand RGB-D Sensor2024/2/1
- Language-guided Active Sensing of Confined, Cluttered Environments via Object Rearrangement Planning2024/2/1
- Structural Concept Learning via Graph Attention for Multi-Level Rearrangement Planning2023/9/1
- DeRi-IGP: Learning to Manipulate Rigid Objects Using Deformable Objects via Iterative Grasp-Pull2023/9/1
- Zero-Shot Constrained Motion Planning Transformers Using Learned Sampling Dictionaries2023/9/1
- Efficient Q-Learning over Visit Frequency Maps for Multi-agent Exploration of Unknown Environments2023/7/1
- SIMMF: Semantics-aware Interactive Multiagent Motion Forecasting for Autonomous Vehicle Driving2023/6/1
- MANER: Multi-Agent Neural Rearrangement Planning of Objects in Cluttered Environments2023/6/1
- Progressive Learning for Physics-informed Neural Motion Planning2023/6/1
- Multi-Stage Monte Carlo Tree Search for Non-Monotone Object Rearrangement Planning in Narrow Confined Environments2023/5/1
- DeRi-Bot: Learning to Collaboratively Manipulate Rigid Objects via Deformable Objects2023/5/1
- Merging Decision Transformers: Weight Averaging for Forming Multi-Task Policies2023/3/14
- Co-learning Planning and Control Policies Constrained by Differentiable Logic Specifications2023/3/1
- Control Transformer: Robot Navigation in Unknown Environments through PRM-Guided Return-Conditioned Sequence Modeling2022/11/1
- CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration2022/10/1
- NTFields: Neural Time Fields for Physics-Informed Robot Motion Planning2022/10/1
- Robot Active Neural Sensing and Planning in Unknown Cluttered Environments2022/8/1
- Co-design of Embodied Neural Intelligence via Constrained Evolution2022/5/1
- Model-free Neural Lyapunov Control for Safe Robot Navigation2022/3/1
- Motion Planning Transformers: A Motion Planning Framework for Mobile Robots2021/6/1
- NeRP: Neural Rearrangement Planning for Unknown Objects2021/6/1
- MPC-MPNet: Model-Predictive Motion Planning Networks for Fast, Near-Optimal Planning under Kinodynamic Constraints2021/1/1
- Constrained Motion Planning Networks X2020/10/1
- Dynamically Constrained Motion Planning Networks for Non-Holonomic Robots2020/8/1
- Neural Manipulation Planning on Constraint Manifolds2020/8/1
- Motion Planning Networks: Bridging the Gap Between Learning-based and Classical Motion Planners2019/7/1
- Composing Task-Agnostic Policies with Deep Reinforcement Learning2019/5/1
- Neural Path Planning: Fixed Time, Near-Optimal Path Generation via Oracle Imitation2019/4/1
- Adversarial Imitation via Variational Inverse Reinforcement Learning2018/9/1
- Deeply Informed Neural Sampling for Robot Motion Planning2018/9/1
- Potentially Guided Bidirectionalized RRT* for Fast Optimal Path Planning in Cluttered Environments2018/7/1
- Motion Planning Networks2018/6/1