David Fridovich-Keil
The University of Texas at Austin
収録論文 47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
- 優先順位付き制約を考慮したクロスエントロピー最適化最適化2026/10/1
制約の優先順位を厳密に扱うクロスエントロピー法の変種TierCEMを提案し、ナビゲーションや接触を伴う押し操作で有効性を示した。
- 多分岐コンティンジェンシーゲームのためのカスケード合意分割マルチエージェント計画2026/9/29
エージェントの意図が異なるタイミングで明らかになる状況に対応するため、多分岐コンティンジェンシーゲームとADMMベースの並列解法を提案し、従来の単一分岐より優れた性能と計算時間の短縮を実現した。
- モデルベース強化学習のための償却低ランク適応モデルベースRL2026/9/10
ハイパーネットワークでテスト時にLoRAアダプタを生成し、世界モデルを少数の相互作用で未知環境に適応させる手法CLAWを提案。
- MixedComplementarityProblems.jl: 混合相補性問題のための高速・バッチ処理対応・オープンソース内点法ソルバー最適化ソルバー2026/8/2
ロボティクスで頻出する混合相補性問題（MCP）を解く、Julia製のオープンソース内点法ソルバーを提案。PATHと同等の信頼性を持ちつつ、CPU/GPUでのバッチ並列処理と自動微分をサポートし、マルチエージェント軌道最適化でPATHより約100倍高速に解けることを示した。
- マルチタスク制御と適応のためのニューラルオペレータ制御2026/4/3
タスク記述から最適制御則への写像をニューラルオペレータで学習し、未見タスクや分布外設定への汎化と、軽量更新から全体微調整までの適応戦略を実現した。
- シミュレーション蒸留：実世界への迅速な適応のためのシミュレーションでのワールドモデル事前学習ワールドモデル/sim2real2026/3/1
物理シミュレータから得た行動条件付き経験をワールドモデルに蒸留し、実世界ではエンコーダ等を固定して潜在ダイナミクスのみを更新することで、接触を伴う操作や歩行タスクで迅速な適応を実現する手法を提案した。
- 微分可能な逐次意思決定問題においてエージェントはいつ協調すべきか群制御2026/2/1
微分可能な運動計画問題において、協調行動をスペクトルとしてモデル化し、目的関数の二階特性に基づいて協調すべきタイミングを決定するアルゴリズムを提案した。
- 準方策近似による混合階層ゲームの効率的解法群制御2026/2/1
混合階層ゲームのKKT条件を高階微分を除去した準方策近似で解く非厳密ニュートン法を提案し、実機とシミュレーションでリアルタイム収束を実証した。
- 動力学不確実性下における一般化情報収集能動学習2026/1/1
未知の動力学系において、モデル選択に依存しない一般的な情報収集コストを導出し、既存の相互情報量コストがその特殊ケースであることを示した。
- ゲーム理論に基づく自動運転：凸集合グラフによるアプローチ自動運転/ゲーム理論/軌道計画2026/1/1
複数車両の自動運転を非協力ゲームとしてモデル化し、凸集合グラフ（GCS）を用いた反復最適応答計画法を提案。各車両が他車の戦略に応じて自車のグラフを構築し、効率的な凸緩和で軌道計画を行う。
- 高次元マルチモーダル観測を用いたベイズ逆ゲーム逆ゲーム/ベイズ推論2026/1/1
複数エージェントの非協力ゲームにおいて、観測データから隠れた目的関数の事後分布を近似ベイズ推論で推定し、安全な意思決定を可能にするフレームワークを提案。
- 車両ダイナミクスのデータ駆動型モデリングと補正sim2real2025/12/1
時間依存入力を局所パラメータ化し、DRIPSとFMLの2手法で車両ダイナミクスを学習・補正するデータ駆動フレームワークを提案。
- UNCAP: 不確実性誘導型ニューロシンボリック計画と自然言語通信による協調自動運転VLA2025/10/1
自動運転車同士が自然言語メッセージで通信し、知覚の不確実性を明示的に考慮して協調計画を行う視覚言語モデルベースの手法を提案。通信帯域を削減しつつ安全性を向上させる。
- 自然に振る舞え！マルチモーダル行動への自然主義的投影の拡張行動モデリング2025/5/1
複数の凸集合を用いて人間のマルチモーダルな自然行動をモデル化し、任意の軌道を自然に見えるように投影する最適化フィルタを開発した。
- スケーラブルなゲーム理論的予測・計画のためのプレイヤー選択ネットワークマルチエージェント計画2025/5/1
ゲーム理論的計画の計算量を削減するため、影響力のあるプレイヤーだけを選ぶPlayer Selection Networkと、相手の意図が不明な状況に対応するGoal Inference Networkを提案し、予測精度と計画安全性を向上させた。
- SHIELD: 学習ダイナミクスに基づく確率的制御バリア関数によるヒューマノイドの安全確保ヒューマノイド/安全制御2025/5/1
実機データから確率的な残差ダイナミクスモデルを学習し、制御バリア関数を確率的に適用する安全層を既存の強化学習歩行制御に追加することで、Unitree G1ヒューマノイドの屋内・屋外での障害物回避を実現した。
- オフロード自動運転におけるオンライン動力学モデル適応のメタ学習sim2real2025/4/1
カルマンフィルタによるオンライン適応とメタ学習を組み合わせ、未知の地形でも車両の動力学モデルをリアルタイムに調整してモデルベース制御の精度と安全性を高める手法を提案し、実車実験で有効性を示した。
- マルチフィデリティ制御変数による方策勾配推定強化学習2025/3/1
高忠実度データが乏しい状況で、低忠実度シミュレータのデータを制御変数として活用し、分散を低減した不偏な方策勾配推定器を構築するマルチフィデリティ強化学習フレームワークを提案。
- 動的な非協力ゲームにおける先見性の推定ゲーム理論2024/12/1
動的な非協力ゲームにおいて、各エージェントの先見性（将来をどれだけ考慮するか）をオンラインデータから逆動的ゲームとして推定する手法を提案し、行動予測精度を33%向上させた。
- エージェント間依存を疎にした近似フィードバックナッシュ均衡群制御2024/10/1
マルチエージェント動的ゲームにおいて、他エージェントの状態に選択的に依存する疎なフィードバック政策を正則化動的計画法で求め、ノイズがある場合でも標準ナッシュ均衡より低コストを達成する手法を提案。
- 3分間の実世界データから歩行を学習する半構造化ダイナミクスモデルsim2real2024/10/1
物理法則に基づくラグランジアン力学とブラックボックスモデルを組み合わせた半構造化ダイナミクスモデルを提案し、実機の四足歩行ロボットで数分のデータから動的歩容を学習できることを示した。
- マルチエージェント相互作用における責任配分の学習：制御バリア関数と微分可能最適化によるアプローチマルチエージェント2024/10/1
制御バリア関数と微分可能最適化を用いて、エージェントが安全な相互作用のためにどれだけ制御を譲るか（責任配分）をデータから学習する手法を提案し、合成・実世界データで解釈可能な定量化を実現した。
- ベイズ逆ゲームの自動符号化逆ゲーム/ベイズ推定2024/2/1
観測からゲームパラメータの事後分布を推定するため、微分可能なゲームソルバを組み込んだ変分オートエンコーダを提案し、不確実性を考慮した推定を可能にした。
- Learning Hyperplanes for Multi-Agent Collision Avoidance in Space2023/11/1
- Connected Autonomous Vehicle Motion Planning with Video Predictions from Smart, Self-Supervised Infrastructure2023/9/1
- Enabling Efficient, Reliable Real-World Reinforcement Learning with Approximate Physics-Based Models2023/7/1
- Contingency Games for Multi-Agent Interaction2023/4/1
- Online and Offline Learning of Player Objectives from Partial Observations in Dynamic Games2023/2/1
- Cost Inference for Feedback Dynamic Games from Noisy Partial State Observations and Incomplete Trajectories2023/1/1
- Robust Forecasting for Robotic Control: A Game-Theoretic Approach2022/9/1
- Self-Supervised Traffic Advisors: Distributed, Multi-view Traffic Prediction for Smart Cities2022/4/1
- GTP-SLAM: Game-Theoretic Priors for Simultaneous Localization and Mapping in Multi-Agent Scenarios2022/3/1
- Hierarchical Control for Head-to-Head Autonomous Racing2022/2/1
- Back to the Future: Efficient, Time-Consistent Solutions in Reach-Avoid Games2021/9/1
- Inferring Objectives in Continuous Dynamic Games from Noise-Corrupted Partial State Observations2021/6/1
- The Computation of Approximate Generalized Feedback Nash Equilibria2021/1/1
- Multi-Hypothesis Interactions in Game-Theoretic Motion Planning2020/11/1
- Encoding Defensive Driving as a Dynamic Nash Game2020/11/1
- Approximate Solutions to a Class of Reachability Games2020/11/1
- Inference-Based Strategy Alignment for General-Sum Differential Games2020/2/1
- An Iterative Quadratic Method for General-Sum Differential Games with Feedback Linearizable Dynamics2019/10/1
- Efficient Iterative Linear-Quadratic Approximations for Nonlinear Multi-Player General-Sum Differential Games2019/9/1
- A Scalable Framework For Real-Time Multi-Robot, Multi-Human Collision Avoidance2018/11/1
- Safely Probabilistically Complete Real-Time Planning and Exploration in Unknown Environments2018/11/1
- A Successive-Elimination Approach to Adaptive Robotic Sensing2018/9/1
- Probabilistically Safe Robot Planning with Confidence-Based Human Predictions2018/6/1
- A Classification-based Approach for Approximate Reachability2018/3/1