Andreas A. Malikopoulos
収録論文 15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
- 平均更新率を調整する適応的イベントトリガ型モデル予測カバレッジ制御群制御2026/10/11
マルチエージェントのカバレッジ制御において、イベントトリガ閾値をオンラインで適応させ、目標とする平均更新周期を維持しつつMPCの更新回数を削減する手法を提案した。
- 学習済み運転プランナのための閉ループ改良と実行自動運転/プランニング2026/10/1
学習ベースの運転プランナを凍結したまま、上位層で軌道候補を生成・衝突余裕で選別し、下位層で追従制御する階層型制御フレームワークを提案し、閉ループ評価で運転スコアと経路完走率を改善した。
- 通信途絶下における倉庫ロボット協調のための階層型マルチエージェント強化学習群制御2026/9/27
倉庫ロボット群をグループに分け、グループ内は集中・グループ間は分散で協調する階層型強化学習を提案。通信途絶時は予測器で情報を補完し、安全フィルタで制約違反を防ぐ。
- 血管内を駆け巡るマイクロロボット:解析幾何学に基づく経路計画とリアルタイム動的障害物回避経路計画2025/9/1
血管内のマイクロロボットの自律ナビゲーションのため、解析幾何学ベースの大域計画とルールベース/強化学習ベースの局所回避を組み合わせたリアルタイム経路計画フレームワークを提案し、シミュレーションと実験で有効性を示した。
- VisioPath: 視覚言語モデルとモデル予測制御を統合した混合交通における安全な自動運転ナビゲーション自動運転2025/7/1
視覚言語モデルで周囲車両の位置・速度などを認識し、楕円形の衝突回避ポテンシャル場を構築してモデル予測制御に統合することで、動的交通環境での安全な軌道計画を実現するフレームワークを提案した。
- CorrA: 大規模言語モデルを活用した自動運転車の動的障害物回避自動運転/MPC2025/3/1
LLMの推論能力で障害物周囲の安全回廊を定義するパラメータを生成し、MPCと組み合わせて動的障害物を回避する枠組みを提案した。
- 混在交通における信頼性を伴う安全な合流合流制御2024/3/1
人間運転車両と自動運転車両が混在する環境で、人間の運転行動をモデル構造や事前分布に依存せず学習し、コンフォーマル予測で安全保証を付与して合流制御を実現する手法を提案した。
- 群衆環境におけるマルチロボット協調ナビゲーション:ゲーム理論学習ベースのモデル予測制御アプローチ群制御2023/10/1
各ロボットがモデル予測制御と歩行者軌道予測を行い、ゲーム理論的な反復最適応答で協調しながら群衆をナビゲートする制御フレームワークを提案した。
- コネクテッド・自動運転車の最適フロールーティングと協調のための階層的アプローチ交通制御2023/3/1
都市部の交通需要に対し、総旅行時間を最小化する最適な車両フローを生成し、それを実現するための経路復元アルゴリズムと交差点でのエネルギー消費を抑える協調制御を組み合わせた階層的手法を提案した。
- 制約駆動型アプローチによるV字編隊飛行:省エネルギー戦略としての創発群制御2022/9/1
固定翼UAVの後方乱気流を利用し、分散制御でV字編隊を創発させてエネルギー消費を最小化する手法を提案し、シミュレーションと実機実験で検証した。
- 複数マイクロロボットの同時制御をモデル化する一次近似手法群制御2021/11/1
グローバル磁場下で磁化された自己推進型Janusマイクロロボットの動的モデルに基づくモデリング枠組みを提案し、実験で検証した論文。
- 制約駆動型最適制御によるマルチエージェントシステム:高速道路プラトゥーニングのケーススタディ群制御2021/9/1
車両間の空気力学的相互作用を考慮した制約駆動型最適制御により、高速道路上で自然にプラトゥーニングが創発する条件と制御則を導出し、シミュレーションで実証した論文。
- 新興モビリティシステムのためのデジタルスマートシティsim2real2021/9/1
UnityとAirSimを用いて、実機テストベッドと並行して制御アルゴリズムを検証できる仮想シミュレーション環境を構築し、実機との比較実験でその有効性を示した。
- 微分平坦系の最適制御は驚くほど簡単最適制御2021/3/1
微分平坦性を利用して最適制御問題のオイラー・ラグランジュ方程式を簡略化し、数値的不安定性を排除する手法を提案。2関節平面マニピュレータで制約付き最適軌道を4.5msで生成できることを示した。
- 多車線ラウンドアバウトにおけるCAV協調のためのリアルタイム最適制御器の実験的検証交通制御2020/1/1
多車線ラウンドアバウトでコネクテッド自動車(CAV)を協調させる最適制御フレームワークを、Delaware大学のスケールドスマートシティ(UDSSC)で実験検証し、停止・発進の繰り返しを完全に排除しつつ安全性を保てることを示した。
