Nishanth Kumar
収録論文 19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
- 回復・発見・計画：ロボットの失敗からスキルと概念を学習する強化学習/計画2026/6/1
ロボットが失敗から回復するだけでなく、将来の失敗を避けるための抽象的な知識を獲得する手法を提案。強化学習で回復スキルを学び、その経験から関係述語を発見して抽象計画に活用する。
- KinDER: ロボット学習と計画のための物理的推論ベンチマークベンチマーク2026/4/1
ロボットの物理的推論能力を評価するためのベンチマークKinDERを提案し、既存手法が多くの環境で課題を抱えることを示した。
- TiPToP: 計画を行うモジュラーなオープン語彙ロボットマニピュレーションシステムマニピュレーション2026/3/1
事前学習済み基盤モデルとGPU加速タスク・モーションプランナを組み合わせ、RGB画像と言語から直接ロボット操作を計画・実行するモジュラーシステムを提案。訓練データ不要でVLAを上回る成功率と速度を達成。
- 標識に従え：テキスト手がかりとLLMを活用した効率的なロボットナビゲーションナビゲーション2026/1/1
大規模言語モデルを活用し、看板や部屋番号などのテキスト情報から建物のパターンを推論して、目的地の位置を予測しながら効率的にナビゲーションする手法を提案した論文。
- 見ることは信じること：基盤モデルを不確実性推定器として用いた信念空間プランニングVLA2025/4/1
VLMを不確実性推定に用いて記号的な信念表現を構築し、部分観測環境で戦略的な情報収集を組み込んだ信念空間プランニングを実現した研究。
- ピクセルから述語へ：事前学習済み視覚言語モデルによる記号的世界モデルの学習VLA2025/1/1
事前学習済み視覚言語モデルを用いて画像から記号的な述語を抽出し、長期タスクの計画に使える抽象的世界モデルを少数の実演から学習する手法を提案。
- 視覚言語モデルが生成する制約によるオープンワールドタスク・動作計画タスク・動作計画2024/11/1
視覚言語モデルに離散的な行動順序制約と連続的なコード制約を生成させ、タスク・動作計画(TAMP)に統合することで、自然言語で指定された長期的なロボット操作タスクをオープンワールドで解けるようにした。
- 微分可能なGPU並列タスク・動作計画タスク・動作計画2024/11/1
GPU並列で多数の連続解候補を同時探索し、微分可能最適化で制約を満たす二段階TAMPアルゴリズムを提案。高制約な問題を数秒で解き、実機ロボットで検証した。
- VisualPredicator：ロボット計画のための神経記号的述語を用いた抽象世界モデルの学習ロボット計画2024/10/1
記号と神経の知識表現を組み合わせた一階述語言語を提案し、述語をオンラインで発明しながら抽象世界モデルを学習する手法を開発。五つのロボットシミュレーション領域で階層強化学習や視覚言語モデル計画より優れたサンプル効率と分布外汎化、解釈性を示した。
- AHA: ロボットマニピュレーションの失敗を検出・推論する視覚言語モデルVLA2024/10/1
ロボット操作の失敗を自然言語で検出・説明するオープンソースVLM「AHA」を提案し、シミュレーションで生成した大規模失敗データセットで学習させ、実世界や未見タスクへの汎化性能を示した。
- 計画と強化学習で新規状況への適応を橋渡しする学習強化学習2024/9/1
強化学習で「ブリッジ方策」を学習し、モデルベース計画と組み合わせることで、未知の状況変化に効率的に適応する手法を提案。
- 対比的説明からの適応的な言語ガイド抽象化逆強化学習2024/9/1
言語モデルと逆強化学習を交互に用いて、少数の実演から解釈可能な特徴量に基づく汎化可能な報酬関数を学習する手法ALGAEを提案。
- PRoC3Sを信頼せよ：LLMと制約充足による長期的ロボティクス問題の解決マニピュレーション2024/6/1
LLMに連続パラメータ付きスキル列のコードを生成させ、それを連続制約充足問題として解くことで、運動学的・幾何学的・物理的制約を守りながら複雑な長期的マニピュレーションタスクを効率的に計画する手法を提案。
- Preference-Conditioned Language-Guided Abstraction2024/2/1
- 習うより慣れろ：スキルパラメータ方策を学習するための計画マニピュレーション2024/2/1
ロボットがパラメータ化されたスキル群を自律的に練習し、環境に適応したパラメータ選択方策を効率的に学習する手法を提案。
- Learning Efficient Abstract Planning Models that Choose What to Predict2022/8/1
- Predicate Invention for Bilevel Planning2022/3/1
- Just Label What You Need: Fine-Grained Active Selection for Perception and Prediction through Partially Labeled Scenes2021/4/1
- Learning Deep Parameterized Skills from Demonstration for Re-targetable Visuomotor Control2019/10/1