Isaac Sheidlower

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

• ユーザーはロボット基盤モデルの性能をタスク成功率とその先でどう理解するか
  VLA2026/2/1

  ロボット基盤モデルの評価情報を非専門家がどう解釈するかを調査し、タスク成功率に加えて失敗事例や新規タスクへの推定情報も重視することを明らかにした。

• ロボットのエラーが人間の教示ダイナミクスに与える影響
  ヒューマン・イン・ザ・ループ学習2024/9/1

  ロボットのエラーの有無や深刻さが、人間のフィードバックの粒度・豊かさ・教示時間にどう影響するかをユーザー研究で調査した。

• 強化学習ロボットのオンライン行動修正による表現豊かなユーザ制御
  強化学習/ヒューマンロボットインタラクション2024/8/1

  強化学習で訓練したロボットの行動を、ユーザが実行中にリアルタイムで調整できる「オンライン行動修正」を提案し、行動多様性に基づくACORDアルゴリズムを開発した。描画タスクのユーザ研究で、自律性と堅牢性を保ちつつ共有自律と同等の制御感・表現性を実現できることを示した。

• 解釈可能なロボット基盤モデルに向けて：タスク特化型ポリシー生成アプローチ
  基盤モデル2024/7/1

  ロボット基盤モデルからタスクごとに独立したポリシーを生成する手法DPPを提案し、ユーザーが個別に更新・理解しやすい解釈可能なシステムを目指す。

• 予測可能なロボット行動で学習済み方策のユーザー制御を可能にするIODA
  共有制御2024/6/1

  強化学習済みロボットの一部をユーザーが操作する共有制御において、ユーザーの操作を方策の分布内に保つことで、タスク性能とユーザー期待との一致を改善する手法IODAを提案し、実機実験で有効性を示した。

• Modifying RL Policies with Imagined Actions: How Predictable Policies Can Enable Users to Perform Novel Tasks
  2023/12/1