Mintae Kim
収録論文 5本 ・ フィジカルAI/ロボット学習
強化学習強化学習/ロバスト制御飛行制御/ハイブリッド制御羽ばたき翼/空気力推定飛行制御
※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
- WOMBET: ワールドモデルに基づく経験転移によるロバストでサンプル効率的な強化学習強化学習2026/4/1
ソースタスクでワールドモデルを学習し、不確実性ペナルティ付き計画でオフラインデータを生成・フィルタリングしてから、ターゲットタスクでオンライン微調整する経験転移フレームワークを提案した。
- 動的不確実性下でのロバストな敵対的方策最適化強化学習/ロバスト制御2026/4/1
強化学習の方策が訓練時と異なる動的環境で失敗する問題に対し、双対問題に基づく温度パラメータを敵対的ネットワークで近似し、軌道レベルとモデルレベルの両方で敵対的サンプリングを行うロバストな方策最適化手法を提案した。
- RoVerFly: クアッドロータ・ペイロード系のロバストで汎用的な暗黙的ハイブリッド制御飛行制御/ハイブリッド制御2025/9/1
単一の強化学習ポリシーを暗黙的なハイブリッド制御器として用い、ペイロードの有無や質量・ケーブル長が変化しても再調整なしで適応するクアッドロータの軌道追従制御を実現した。
- 動的モーフィング翼飛行における空気力推定羽ばたき翼/空気力推定2025/8/1
ハミルトン力学に基づく物理オブザーバとニューラルネットワーク回帰の2手法で、羽ばたき翼ロボットAerobatの空気力を推定し、6軸ロードセルで評価した。
- 鳥に着想を得た羽ばたき翼ロボットの学習ベース軌道追従飛行制御2024/11/1
強化学習を用いて、鳥型羽ばたき翼ロボットが複雑な翼軌道を学習し、安定飛行・飛行モード切替・様々な空力条件下での軌道追従を実現する制御フレームワークを提案した。