Alexander Amini

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

• オンボード視覚言語モデルを用いたマルチエージェントロボット制御
  マルチエージェント制御2026/7/1

  外部計算に依存せず、搭載ハードウェア上で動作する小型VLMを専門エージェントとして複数配置し、産業倉庫内の移動マニピュレータを制御するマルチエージェントシステムを提案・検証した。

• ガウススプラッティングとLiquidニューラルネットワークによる実世界飛行ナビゲーションへの転移
  sim2real2024/6/1

  3Dガウススプラッティングとクアッドロータの飛行力学を統合したシミュレータを構築し、Liquidニューラルネットワークでナビゲーションポリシーを学習させることで、単一のシミュレーションシーンから実世界のドローン飛行へ頑健に転移できることを示した。

• どこでも走行：マルチモーダル基盤モデルによる汎化可能なエンドツーエンド自動運転
  自動運転2023/10/1

  マルチモーダル基盤モデルから空間・意味特徴を抽出し、未知環境でも画像とテキストで問い合わせ可能なエンドツーエンド自動運転を実現した。

• 視覚ベースのエンドツーエンド運転ポリシーにおける安定性アテンションの学習
  自動運転2023/4/1

  制御Lyapunov関数にアテンション機構を導入し、視覚入力からのエンドツーエンド運転ポリシーに安定性と環境変化への適応性を持たせる手法を提案し、シミュレータと実車で有効性を示した。

• 視覚モデルはすべて平等に作られているのか？開ループから閉ループへの因果ギャップの研究
  VLA2022/10/1

  自動運転などのロボティクス応用で生じる「開ループ学習→閉ループ運用」の因果ギャップを様々な視覚モデルで検証し、適切な学習指針下では分布内ではギャップが解消されるが、分布シフト下ではモデル構造に関わらず性能が崩れることを示した研究。

• ロボット学習における敵対的ロバスト性と精度のトレードオフ再考
  敵対的ロバスト性2022/4/1

  自動運転・移動ロボットナビゲーション・ジェスチャ認識の3タスクで敵対的学習のロバスト性と精度のトレードオフを体系的に評価し、最新手法でも精度低下がロバスト性向上を桁違いに上回ることを示した。

• 視覚ベースのEnd-to-End自動運転のための微分可能制御バリア関数
  自動運転2022/3/1

  微分可能な制御バリア関数を組み込んだ学習システムを提案し、視覚入力からのEnd-to-End自動運転において安全性を保証しつつ、実車で車線維持と障害物回避を実現した。

• データ駆動シミュレーションによるインタラクティブ運転ポリシーの学習
  自動運転/sim2real2021/11/1

  インペイントした他車両を用いるシミュレーション手法を提案し、マルチエージェント相互作用を含む運転ポリシーを学習、実車へ直接転移できることを示した。

• VISTA 2.0: 自動運転向けマルチモーダルセンシングと方策学習のためのオープンなデータ駆動型シミュレータ
  sim2real2021/11/1

  RGBカメラ・3D LiDAR・イベントカメラを統合したオープンソースのデータ駆動型自動運転シミュレータを開発し、実車展開でsim-to-real転移と実データのみより高いロバスト性を示した。

• 連続時間ニューラルネットワークによる因果的ナビゲーション
  ナビゲーション2021/6/1

  連続時間ニューラルネットワークを用いてエージェントと環境の因果関係を学習し、ドローンの視覚ベース航法を頑健化する手法を提案・検証した論文。

• 閉形式連続時間ニューラルモデル
  連続時間NN2021/6/1

  液体時定数ネットワークの微分方程式を閉形式で近似し、数値解法不要で1〜5桁高速な連続時間ニューラルモデルを実現した。

• 効率的で堅牢なLiDARベースのエンドツーエンドナビゲーション
  自動運転/エンドツーエンド2021/5/1

  スパース畳み込み最適化とハードウェア考慮設計による高速LiDARネットワークと、単一順伝播で不確実性を推定し制御予測を融合する手法を提案し、実車で車線安定走行とセンサ故障時などの堅牢性向上を実証した。

• 線虫の神経回路を再利用した小型ロボット制御
  ロボット制御2018/9/1

  線虫C.エレガンスの神経回路構造を模した小型ニューロン回路ポリシーを探索的最適化で再目的化し、実機ローバーの自動駐車を含むロボット制御タスクで深層学習並みの性能を少ないパラメータで達成した。

• 空間的不確かさサンプリングによるエンドツーエンド制御
  自動運転/不確かさ推定2018/5/1

  特徴マップの相関を利用したベイズニューラルネットで、エンドツーエンド自動運転制御の不確かさをより正確に推定する手法を提案し、多様な道路・天候データで評価した。