行動クローニング(BC)と強化学習(RL)を組み合わせた新しい手法であるResiPは、BCで学習した軌道計画器にRLで学習した残差制御器を組み合わせることで、高精度なロボットマニピュレーションタスクを効率的に学習できる。
この論文では、事前に未知の環境におけるモバイルロボットの安全なナビゲーションを実現するために、瞬時ローカル制御バリア関数(IL-CBF)と目標駆動型制御リアプノフ関数(GD-CLF)を用いた安全なフィードバックモーションプランニング(SFMP)戦略を提案しています。
大規模言語モデル(LLM)はドローンなどのロボットシステムの制御にますます使用されていますが、現実世界のアプリケーションで物理的な脅威や危害を引き起こすリスクは未解明です。本研究では、ドローン制御のための包括的なベンチマークを開発することにより、LLMの物理的安全性を評価する上での重要なギャップに対処します。
微分可能シミュレータを用いることで、従来のシミュレータでは困難であった、物理的に正確な接触モデルを保持しながら、滑らかで勾配ベースの最適化に適した学習環境を構築することが可能となり、四足歩行ロボットの歩行動作をシミュレーションのみで学習し、現実世界に転移できることを示した。
限られたバッテリー容量を持つ異種ロボットチームの長期耐久ミッションを最適化するため、タスクの分解とリレー、多様なロボット連携、動的な再計画を統合した新しいマルチロボットタスク割り当てフレームワークを提案する。
衣服操作の分野における現実的で多様なシミュレーション環境とベンチマークの必要性を強調し、その解決策としてGarmentLabを紹介する。
動的な障害物を含む複雑な環境において、ニューラルネットワークを用いて探索領域を動的に適応させることで、より効率的でロバストな移動ロボットの動作計画が可能になる。
狭い通路を持つ環境での経路計画におけるRRTアルゴリズムの課題を克服するため、狭いチャネル内を優先的に探索するよう改良を加えたアルゴリズムを提案し、その有効性を検証した。
本稿では、画像データからソフトロボットの低次元物理ベースモデルを学習する効率的な方法を提案し、モデルベース制御への応用可能性を示しています。
本稿では、視覚ベースの触覚センサーを用いたロボット操作における、タスクやセンサーに依存しない汎用的な触覚表現の学習手法を提案する。