Alvaro Velasquez

収録論文 6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

• CEDAR: 言語誘導型身体的行動のための検証可能なインターフェースとしてのオートマトン
  VLA2026/8/28

  自然言語の指示を正規言語として表現し、決定性有限オートマトンに変換することで、制約を検証可能な実行可能なオブジェクトとして扱うフレームワークを提案。Minecraftで時間的・空間的制約を維持し、LLMクエリを削減できることを示した。

• 物体が「何であるか」ではなく「何を可能にするか」：アフォーダンス推論のための機能的潜在空間
  アフォーダンス推論2026/6/1

  外見ではなく機能（アフォーダンス）に基づく潜在空間を導入し、ロボットのプランニングにおける物体の機能推論を可能にする手法A4Dを提案した。

• 抽象から現実へ：DARPAが描く堅牢なSim-to-Real自律性のビジョン
  sim2real2025/3/1

  DARPAのTIAMATプログラムは、低忠実度の複数シミュレーションから抽象的な共通意味を学習し、実世界環境への迅速かつ堅牢な自律技術の転移を目指す新たなsim-to-realアプローチを提案する。

• 強化学習におけるSim-to-Real手法のサーベイ：基盤モデルによる進展・展望・課題
  sim2real2025/2/1

  強化学習のシミュレーションから実環境への転移（sim-to-real）技術を、MDPの構成要素（状態・行動・遷移・報酬）ごとに分類し、基盤モデル活用の最新手法や評価方法、課題を整理したサーベイ。

• 論理仕様に基づく動的タスクサンプリングによる強化学習
  強化学習2024/2/1

  高レベルな論理仕様から強化学習エージェントを効率的に学習させるため、環境や報酬機械の事前知識なしに有望なタスクを動的にサンプリングする手法を提案し、グリッドワールドやロボット操作タスクでサンプル効率の向上を示した。

• SayNav: Grounding Large Language Models for Dynamic Planning to Navigation in New Environments
  2023/9/1