Ismail Geles

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

• 投擲を学ぶ：クアッドローターによるケーブル吊り下げペイロードの機敏かつ正確な配送
  ドローン/強化学習2026/6/1

  クアッドローターが吊り下げたペイロードを目標へ正確に投げる強化学習ポリシーを、高精度シミュレーションと実機で検証し、モデルベース手法より誤差と時間を大幅に削減した。

• 変分的神経ダイナミクスによるロボットポリシーの継続学習
  継続学習2026/6/1

  実世界の経験を活用して、隠れた繰り返し発生するダイナミクス下でロボットのポリシーを継続的に改善するフレームワークを提案。物理事前知識とニューラル残差を組み合わせ、オンラインで条件を推定してポリシーを適応させる。

• マルチエージェント強化学習による超人的で安全なアジャイルレーシング
  マルチエージェント強化学習2026/5/1

  マルチエージェント強化学習を用いて、高速クアッドローターレースで人間のチャンピオンパイロットを上回る性能と安全性を両立させ、ゼロショットで人間との安全な相互作用を実現した。

• 選好から学ぶアクロバティック飛行
  sim2real2025/8/1

  人間の選好フィードバックのみから、ドローンの複雑なアクロバティック飛行をシミュレーションで学習し、実機へゼロショット転移することに成功した研究。

• 夢見るドローン：視覚ベース飛行のためのモデルベース強化学習
  VLA2025/1/1

  DreamerV3を用いて、カメラ画像のみを入力としてドローンレースコースを最大9m/sで飛行する視覚運動ポリシーを学習させた研究。

• クアッドロータのためのマルチタスク強化学習
  マルチタスク強化学習/クアッドロータ制御2024/12/1

  クアッドロータ制御において、共有された物理ダイナミクスを活用し、単一のポリシーで複数の機動（高速安定化、速度追従、自律レースなど）を実行できるマルチタスク強化学習フレームワークを提案した。

• 状態推定なしでピクセルからアジャイル飛行を実現
  VLA2024/6/1

  強化学習により、カメラ映像から直接制御指令を生成し、状態推定を使わずに時速40kmでゲートを通過するドローンレーシングを実現した。

• Learning to Open Doors with an Aerial Manipulator
  2023/7/1