Andreas Geiger
収録論文 34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
- ViewStruct: 視点に基づく関節・接続構造の推論関節構造推論2026/10/12
RGB画像と部分セグメンテーション・深度から、物体やシーンの剛体グループ・接続・関節パラメータを予測するフレームワークを提案。合成データのみで学習し、未知カテゴリや実世界動画へ転移、ロボット動作生成に応用可能。
- PRISM: 特権的確率的潜在監督によるエンドツーエンド自動運転の運動計画自動運転2026/8/1
エンドツーエンド自動運転モデルの中間潜在表現を、将来のグラウンドトゥルース経路で確率的に監督するフレームワークを提案し、計画精度と衝突率を改善した。
- NextMotionQA: 視覚言語モデルによる人間動作理解のベンチマークと評価動作理解/ベンチマーク2026/6/3
人間の動作理解を評価するための新しいベンチマークNextMotionQAを導入し、複数のタスクと難易度レベルで12の視覚言語モデルを評価して、その能力の限界を明らかにした。
- ワールドエンジン：自動運転におけるポストトレーニング時代に向けて自動運転2026/6/1
実世界のログから高忠実度のインタラクティブ環境を再構築し、安全上重要な長尾シナリオを合成的に生成して、事前学習済みの自動運転モデルを強化学習でポストトレーニングする枠組みを提案。これにより、実世界のリスクを回避しつつ安全性を向上させる。
- 123D: 大規模マルチモーダル自動運転データの統合自動運転データ統合2026/5/1
自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。
- Fail2Drive: クローズドループ運転の汎化性能を評価するベンチマーク自動運転/ベンチマーク2026/4/1
CARLAシミュレータ上で、分布シフトに対するクローズドループ自動運転の汎化性能を評価する初のペアルートベンチマークを提案し、既存モデルの成功率が平均22.8%低下することを示した。
- LEAD: エンドツーエンド運転における学習者と専門家の非対称性の最小化自動運転/模倣学習2025/12/1
自動運転の模倣学習において、特権的な専門家デモとセンサベースの学生観測の不一致を分析し、そのギャップを埋める介入によりCARLAベンチマークで最先端性能を達成した研究。
- PlanT 2.0：閉ループ自動運転におけるバイアスと構造的欠陥の解明自動運転計画2025/11/1
自動運転研究用の軽量な物体中心型計画トランスフォーマーPlanT 2.0を提案し、入力摂動による系統的な失敗分析を通じてデータセットのバイアスやショートカット学習を明らかにした。
- 自動運転のための疑似シミュレーション評価自動運転評価2025/6/1
3Dガウススプラッティングで生成した合成観測を実データに付加し、閉ループに近い相関で自動運転を評価する疑似シミュレーション手法を提案。
- ReSim: 自動運転のための信頼性の高い世界シミュレーションsim2real2025/6/1
実世界の運転データにシミュレータ由来の非専門家データを加え、危険な行動も含む多様な運転シナリオを制御可能に生成する世界モデルを構築し、報酬推定モジュールと組み合わせて政策評価性能を向上させた。
- 単視点メッシュ再構成はロボティクスに使えるか？sim2real2025/5/1
単視点の3Dメッシュ再構成手法をロボットマニピュレーション向けの物理シミュレーションに使えるか評価し、既存手法がロボット特有の要件を満たせないことを示した。
- CaRL: 単純な報酬でスケーラブルな計画ポリシーを学習する自動運転/強化学習/計画2025/4/1
自動運転の計画タスクにおいて、経路完了という単一の直感的な報酬を主に最適化する新しい報酬設計を提案し、PPOを大規模ミニバッチで効率的にスケールさせることで、CARLAとnuPlanで優れた性能を達成した。
- Centaur: テスト時訓練による堅牢なエンドツーエンド自動運転自動運転2025/3/1
テスト時訓練でプランナーの不確実性を最小化し、手設計のルールやコスト関数に頼らずに自動運転の安全性を向上させる手法を提案。
- エンドツーエンド自動運転データセットに潜むバイアス自動運転2024/12/1
CARLA Leaderboard 2.0向けのエンドツーエンド自動運転において、アーキテクチャではなく訓練データセットを体系的に分析し、専門家の運転スタイルやフレーム選択基準の重要性を明らかにした。
- HUGSIM：自動運転のためのリアルタイム・フォトリアル・閉ループシミュレータ自動運転シミュレーション2024/12/1
3Dガウシアンスプラッティングで2D画像を3D空間に持ち上げ、自動運転アルゴリズムを評価するためのリアルタイムでフォトリアルな閉ループシミュレータを構築した。
- EMPERROR: 自動運転プランナーを検証するための柔軟な生成的知覚誤差モデル自動運転2024/11/1
Transformerベースの生成的知覚誤差モデルを提案し、模倣学習ベースの自動運転プランナーをストレステストして、衝突率を最大85%増加させる現実的なノイズ入力を生成できることを示した。
- NAVSIM: データ駆動型非反応的自動運転シミュレーションとベンチマーク自動運転ベンチマーク2024/6/1
大規模データセットと非反応的シミュレータを組み合わせ、実世界に近い大規模ベンチマークを可能にする評価手法NAVSIMを提案。CVPR 2024コンペで143チームが参加し、新たな知見を得た。
- ロボットビンピッキングのための6自由度把持の効率的なエンドツーエンド検出マニピュレーション2024/5/1
パワースフェリカル分布に基づく把持分布モデルを導入し、単一の上面深度画像から多様な衝突のない6自由度把持を生成する手法を提案。シミュレーションと実機で約90%の物体除去率を達成した。
- SLEDGE: 生成モデルとルールベース交通流による走行環境の合成自動運転シミュレーション2024/3/1
実走行ログから学習した生成モデルでエージェントと車線グラフを生成し、ルールベース交通シミュレーションと組み合わせて大規模な走行環境を合成するシミュレータを提案。
- 自動運転における3D物体検出のオフライン評価について自動運転/3D物体検出2023/8/1
自動運転スタックに16の物体検出モデルを統合し、オフライン検出指標が実際の運転性能をどれだけ予測できるかをCARLAシミュレータで検証した。
- エンドツーエンド自動運転モデルに潜むバイアス自動運転2023/6/1
CARLA上のエンドツーエンド自動運転モデルに共通する2つのバイアス（目標点追従への強い帰納バイアスとマルチモーダル経路予測の縦方向平均化）を特定し、その欠点を分析して代替手法を提案。これによりLongest6とLAVベンチマークで首位となるTF++を開発した。
- 学習ベース車両運動計画に関する誤解との決別自動運転計画2023/6/1
nuPlanベンチマークを分析し、短期計画と長期予測は本質的に別問題であることを示した上で、センターライン選択と単純なルールベース手法を組み合わせた極めてシンプルな計画器を提案し、nuPlan 2023チャレンジで優勝した。
- エンドツーエンド自動運転：課題とフロンティア自動運転2023/6/1
270以上の論文を調査し、エンドツーエンド自動運転の動機、方法論、課題、将来動向を包括的に分析したサーベイ。
- PlanT: 物体レベル表現による説明可能な計画Transformer自動運転計画2022/10/1
自動運転の経路計画において、物体レベルのコンパクトな入力表現とTransformerを用いるPlanTを提案し、CARLAベンチマークで高性能かつ高速な計画を実現した。
- TransFuser：トランスフォーマーによるセンサフュージョンを用いた自動運転のための模倣学習自動運転/センサフュージョン2022/5/1
画像とLiDARの特徴を自己注意機構で複数解像度で融合するTransFuserを提案し、CARLAベンチマークで従来手法を大きく上回る運転性能と衝突削減を達成した。
- KING: 運動学勾配を用いたロバスト模倣のための安全クリティカルな運転シナリオ生成自動運転シミュレーション2022/4/1
CARLAシミュレータで運動学自転車モデルを代理として勾配を計算し、背景交通の軌跡を敵対的に最適化することで安全クリティカルな運転シナリオを生成する手法KINGを提案。生成シナリオで専門家データを収集し模倣学習を微調整すると衝突回避性能とロバスト性が向上することを示した。
- NEAT: エンドツーエンド自動運転のためのニューラルアテンションフィールド自動運転/End-to-End2021/9/1
BEV座標をウェイポイントとセマンティクスに写像する連続関数として注意マップを介して画像特徴を圧縮し、悪環境下でも専門家並みの運転性能と解釈性を実現した。
- マルチモーダル融合トランスフォーマによるEnd-to-End自動運転End-to-End自動運転2021/4/1
画像とLiDARの表現をアテンションで統合するTransFuserを提案し、複雑な市街地シナリオで衝突を76%削減する最先端の運転性能を達成した。
- 自動運転のためのラベル効率の良い視覚抽象化自動運転2020/5/1
セグメンテーション注釈コストを削減しても行動クローニング型自動運転エージェントの性能を維持できるか分析し、注釈を大幅に減らしても最先端性能が得られることを示した。
- 大規模動的環境のためのロバスト高密度マッピング動的環境マッピング2019/5/1
ステレオ画像から、静的背景・移動物体・駐車車両のような潜在的移動物体を別々に再構成する高密度マッピング手法を提案し、KITTIで評価した。
- 魚眼カメラを用いた自動運転車向けリアルタイム高密度マッピングマッピング2018/9/1
複数の魚眼カメラ映像から平面スイープステレオで深度を推定し、YOLOv3で動的物体を除去した上でTSDFに統合することで、車載PC上で15Hz動作する視覚のみの3D地図生成を実現した。
- AutoVisionプロジェクト：多カメラ自動運転車の自己位置推定と3Dシーン認識自動運転/自己位置推定2018/9/1
カメラのみを外界センサとして用い、昼夜・都市/田舎・GNSS非搭載環境でも自己位置推定と3D認識を実現する自動運転プロジェクトの概要と、キャリブレーション・自己位置推定・認識の進捗を報告した論文。
- 都市環境での自動運転のための条件付きアフォーダンス学習自動運転2018/6/1
動画入力から都市環境での自動運転に適した中間表現を学習し、方向指示に従って交差点・信号・速度制限に対応する直接知覚手法を提案。CARLAベンチマークで最大68%の改善を達成。
- 自動運転のためのコンピュータビジョン：課題・データセット・最先端技術の包括的サーベイ自動運転/コンピュータビジョン2017/4/1
自動運転向けコンピュータビジョンについて、認識・再構成・動き推定・追跡・シーン理解・End-to-End学習などの課題、データセット、最先端手法を体系的にまとめたサーベイ。
