Giulio Giacomuzzo
収録論文 9本 ・ フィジカルAI/ロボット学習
マニピュレーションモデルベース強化学習強化学習人間-ロボット協調
※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
- 未知の不確かさを持つロボットマニピュレータのためのガウス過程に基づくロバスト制御マニピュレーション2025/7/1
ガウス過程回帰でモデル誤差を推定し、その分散に基づくロバスト項を加えたフィードバック線形化制御を提案。2自由度平面ロボットで漸近的な軌道追従を数値的に検証した。
- 非線形軌道最適化によるモデルベース強化学習の加速モデルベース強化学習2025/6/1
モデルベース強化学習MC-PILCOにiLQRを組み合わせ、探索軌道生成と方策初期化を行うことで、収束を加速し実行時間を最大45.9%削減した。
- モデルベース強化学習による劣駆動システムの大域制御学習モデルベース強化学習2025/4/1
MC-PILCOというモデルベース強化学習手法を用いて、ペンダボットとアクロボットの大域的な制御方策を学習し、RealAIGym競技会での優位性を示した論文。
- ロバストな運動知能のための強化学習：第2回RealAIGym AIオリンピックからの教訓強化学習2025/3/1
IROS 2024で開催された二重振り子の振り上げ制御を競う競技会において、参加チームが提出した4種類の強化学習手法を実機で評価し、シミュレーションから実機への転移性や外乱に対するロバスト性を比較検討した。
- モデルベース強化学習によるデータ効率的なロボット投擲マニピュレーション2025/2/1
モデルベース強化学習フレームワークMC-PILOTを提案し、ロボットアームによる物体のピック・アンド・スローを少ないデータで高精度に実現、新しい目標位置への汎化も速いことを示した。
- モデルベース強化学習による劣駆動二重振り子の制御学習モデルベース強化学習2024/9/1
IROS 2024のAIオリンピック第2回大会に向けた、モデルベース強化学習アルゴリズムMC-PILCOを用いた劣駆動二重振り子の制御手法を提案・実装した。
- DECAF: 家具組立のための離散事象に基づく人間-ロボット協調フレームワーク人間-ロボット協調2024/8/1
人間の自由な行動を考慮しつつ、家具組立を最短時間で完了するようロボットの最適行動を強化学習で計画する離散事象MDPベースの協調フレームワークを提案し、実機実験で検証した。
- ロボットマニピュレータの未知の不確かさに対応する適応ロバスト制御器マニピュレーション2024/6/1
モデル不確かさの事前知識を必要とせずに補償できる新しい適応ロバストフィードバック線形化手法を提案し、収束性を理論的に証明した。シミュレーションで従来の不確かさ考慮手法と同等の性能を示した。
- Forward Dynamics Estimation from Data-Driven Inverse Dynamics Learning2023/7/1