Amisha Bhaskar

収録論文 8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

• PRISM: 単一パス多感覚模倣学習のためのPerformer RS-IMLE
  模倣学習2026/2/1

  RGB・深度・触覚・音声・固有感覚を統合する時間的多感覚エンコーダとPerformerベースの線形注意生成器を組み合わせ、IMLEのバッチ全体拒絶サンプリング変種により単一パスで高速(30-50Hz)な模倣学習を実現した手法。

• スケッチからスキルへ：人間が描いた軌道スケッチによるロボット学習のブートストラップ
  マニピュレーション2025/3/1

  人間が描いた2Dスケッチ軌道を3D軌道に変換し、それを用いて模倣学習と強化学習を組み合わせてロボットのマニピュレーション方策を効率的に学習させるフレームワークを提案した。

• VARP: 視覚言語モデルのフィードバックとエージェント正則化選好による強化学習
  VLA2025/3/1

  軌跡スケッチを重ねた画像でVLMの選好ラベル精度を高め、エージェントの性能で報酬学習を正則化することで、連続制御タスクの成功率とリターンを大幅に改善した手法。

• IMRL：視覚・物理・時間・幾何表現を統合した食事取得の強化
  マニピュレーション2024/9/1

  視覚・物理・時間・幾何の多次元表現を統合し、模倣学習によるロボットの食事取得を多様な食品や未知の食品にも適応できるよう頑健化した手法を提案。

• 多様な食器と食品に対応するロボット食事支援のための適応的視覚模倣学習
  マニピュレーション2024/3/1

  空間アテンション付き視覚模倣学習により、様々な器や食品（粒状・半固形・液体）からのすくい取りを実現し、未知の器・食品にもゼロショットで汎化する手法を提案。

• LAVA: 長期的視覚行動に基づく食事獲得
  マニピュレーション2024/3/1

  液体・半固体・変形可能な食品をボウルから順にすくい取る長期的タスクのため、ScoopNetと視覚・模倣学習を組み合わせた階層的政策を提案し、実世界で89%の成功率を達成した。

• REBEL: Reward Regularization-Based Approach for Robotic Reinforcement Learning from Human Feedback
  2023/12/1
• AG-CVG: Coverage Planning with a Mobile Recharging UGV and an Energy-Constrained UAV
  2023/10/1