Osbert Bastani

収録論文 14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

• Tether: 対応関係駆動の軌道ワーピングによる自律的機能プレイ
  模倣学習2026/3/1

  少数のデモから意味的キーポイント対応を用いてアクションをワープするオープンループポリシーを提案し、それを用いて実世界で自律的にマルチタスクのプレイデータを収集・改善する手法を紹介する。

• 視覚言語モデルは文脈内価値学習器である
  VLA2024/11/1

  視覚言語モデルにシャッフルした動画フレームの時系列順序を予測させることで、ロボットやタスク固有の訓練なしに300以上の実世界タスクの進捗を推定できる汎用価値関数を実現した。

• Eurekaverse：大規模言語モデルによる環境カリキュラム生成
  sim2real2024/11/1

  大規模言語モデルを用いて、四足ロボットのパルクール学習のための難易度が漸進的に上がる環境を自動生成する手法を提案し、実世界への転移に成功した。

• DrEureka: 言語モデルが導くSim-to-Real転送
  sim2real2024/6/1

  大規模言語モデルを活用し、報酬関数とドメインランダム化を自動設計することで、四足歩行や器用な操作のシミュレーションから実機への転送を人手を介さず実現した研究。

• DROID: 大規模実環境ロボットマニピュレーションデータセット
  マニピュレーション2024/3/1

  北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。

• Universal Visual Decomposer: Long-Horizon Manipulation Made Easy
  2023/10/1
• Eureka: Human-Level Reward Design via Coding Large Language Models
  2023/10/1
• Open X-Embodiment: Robotic Learning Datasets and RT-X Models
  2023/10/1
• LIV: Language-Image Representations and Rewards for Robotic Control
  2023/6/1
• VIP: Towards Universal Visual Reward and Representation via Value-Implicit Pre-Training
  2022/10/1
• Safe Human-Interactive Control via Shielding
  2021/10/1
• Robust Model Predictive Shielding for Safe Reinforcement Learning with Stochastic Dynamics
  2019/10/1
• MAMPS: Safe Multi-Agent Reinforcement Learning via Model Predictive Shielding
  2019/10/1
• Learning Safe Unlabeled Multi-Robot Planning with Motion Constraints
  2019/7/1