ロボットが大学構内の混雑した歩行者群を安全かつ社会的に受け入れられる方法で移動するための学習戦略を提案する。
人間の動作をロボットが忠実に模倣できるよう、人間とロボットの動作を共有する潜在空間を無監督で構築する。
生物模倣的な分散コンプライアンスを備えたアンソロポモルフィックロボットハンドを導入することで、最小限の開ループ制御でも人間のような頑健で流動的な相互作用が可能になる。
ロボットの移動経路を人間の嗜好に合わせて最適化するために、行動多様性を持つアンサンブルポリシーを用いたクエリ生成手法を提案する。この手法により、少数のクエリで効率的に人間の嗜好を学習できる。
人間に役立つ自律型ロボットを開発するには、ロボットが経験的に学習し、人間と協調して行動できるようにする必要がある。現在の人工知能技術では、そのような能力を獲得するのが難しい。
サービスロボットが、ユーザーの対話意図を早期に認識することで、ユーザーに対して積極的に友好的な行動を取ることができる。本研究では、ユーザーの姿勢情報に加えて視線情報を活用することで、対話意図の予測精度が大幅に向上することを示した。
アドバーサリアル運動プライオアを活用することで、ロボットが人間のような歩行パターンと最適化された飛行パターンを自動的に切り替えながら、環境に適応した移動を学習できる。
ロボットが動的な物理環境を安全に移動するためには、人間や他のエージェントの軌跡を正確に予測することが不可欠である。本研究では、深層生成モデルを用いて、ドメイン外の人間や他のエージェントの軌跡を予測する手法G-PECNetを提案する。
ロボットが大規模言語モデルとビジョン言語モデルを活用し、手続き的に生成された3Dシーン表現を通じて、未知の環境で物体を効率的に探索する。
ロボット手を用いた物体の操作において、人間の意図を推定し、予測することで、遠隔操作の遅延を補償し、精度の高い制御を実現する。