Pierrick Lorang

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

• 事前知識を活用する：視覚・言語ガイドによるニューロシンボリック模倣学習で実世界ロボット操作をデータ効率的に実現
  模倣学習2026/4/1

  少数のデモンストレーションから長期的な操作タスクを学習するためのニューロシンボリックフレームワークを提案し、VLMを用いてシンボリックなプランニングドメインと制御ポリシーを自動構築する。

• ハイブリッドLLM-シンボリック計画とLLM誘導強化学習による新規性適応
  計画/強化学習2026/3/1

  動的環境で新規オブジェクトに遭遇したロボットが、LLMの常識推論で欠落オペレータを特定し、シンボリックプランナーで計画を立て、LLMが報酬関数を設計して強化学習で制御ポリシーを学習する神経シンボリックアーキテクチャを提案。連続ロボット領域でのオペレータ発見と学習で最先端を上回る性能を示した。

• その価格は正しくない：ニューロシンボリック手法が構造化長期的操作タスクでVLAを上回り、エネルギー消費も大幅に低い
  マニピュレーション2026/2/1

  構造化された長期的操作タスクにおいて、PDDLベースのニューロシンボリック手法がファインチューニングされたVLAモデルより高い成功率と汎化性能を示し、訓練エネルギーも約2桁少ないことを実験的に示した。

• タスク行き詰まりを素早く解消：オープンワールドロボティクスのための適応型ニューロシンボリック学習
  ニューロシンボリック/適応学習2026/1/1

  ニューロシンボリックな階層的抽象化とTAMP、強化学習を統合し、ロボットが未知の環境変化に迅速に適応できるフレームワークを提案。操作と自動運転で検証し、収束速度・サンプル効率・頑健性で既存手法を上回った。

• 少数のデモから長期タスクを計画・実行する神経記号模倣学習
  模倣学習2025/8/1

  少数のスキルデモから連続制御方策と記号的なタスク抽象化を同時に学習し、長期タスクの計画と実行を可能にする神経記号フレームワークを提案。

• 好奇心駆動型想像：オープンワールド適応のためのプラン演算子の発見と関連方策の学習
  マニピュレーション2025/3/1

  好奇心モジュールで探索しながら低レベルなニューラル遷移モデルと高レベルな記号プランモデルを統合し、未知の変化に素早く適応するハイブリッド計画・学習システムを提案した。