Andrei Bursuc
収録論文 17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
- Pictura: 運転のためのスケールでの視点ビュー自己対戦自動運転/自己対戦学習2026/7/1
GPU加速シミュレータPicturaを導入し、各エージェントの視点画像を用いた自己対戦学習で運転ポリシーを訓練。特権的な観測を使わずに、大規模な画像ベースの自己対戦学習を実現した。
- 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。
- レジスタ上での運転:効率的なTransformerによるエンドツーエンド自動運転自動運転2026/1/1
事前学習済みViTにカメラ対応レジスタトークンを導入し、マルチカメラ特徴を圧縮して軽量なTransformerデコーダで軌道生成とスコアリングを行う、効率的なエンドツーエンド自動運転手法を提案した。
- LiDAS: 照明駆動型動的アクティブセンシングによる夜間知覚夜間知覚/アクティブ照明2025/12/1
ヘッドライトの照明を動的に制御し、下流の知覚性能を最大化する閉ループ能動照明システムを提案。昼間学習モデルの夜間ゼロショット汎化を実現し、同等電力でmAP50を18.7%向上、エネルギーを40%削減。
- DOC-Depth: 高密度深度グラウンドトゥルース生成のための新手法データセット生成/深度推定2025/2/1
LiDARオドメトリと動的物体分類を組み合わせ、任意のLiDARから高密度な深度グラウンドトゥルースを効率的に生成する手法を提案し、KITTIデータセットの密度を16.1%から71.2%に改善した。
- ビデオ生成モデリングによる自動運転:VaViMとVaVAM自動運転2025/2/1
大規模動画生成モデルを自動運転に応用し、自己回帰型動画モデルVaViMとそれを用いた運転軌道生成モデルVaVAMを提案。動画事前学習が実世界の運転に転移する可能性を示した。
- LED: ヘッドライト投影パターンで夜間の深度推定を高精度化深度推定2024/9/1
高精細ヘッドライトが投影するパターンを手がかりに、夜間のカメラベース深度推定を改善する手法LEDを提案し、合成・実データで複数アーキテクチャの性能を向上させた。
- Valeo4Cast: モジュール型アプローチによるエンドツーエンド予測予測2024/6/1
自動運転のためのエンドツーエンド軌道予測において、検出・追跡・予測を個別に学習してから微調整で統合するモジュール型手法を提案し、Argoverse 2チャレンジで首位を獲得した。
- LaRa: マルチカメラBEVセマンティックセグメンテーションのための潜在表現とレイBEVセグメンテーション2022/6/1
複数カメラの画像から車両周囲のBEVセマンティックマップを生成するトランスフォーマーモデルを提案し、nuScenesで従来手法を上回る性能を示した。
- 木探索とグラフニューラルネットワークによる制約付き時間ベース動的制御可能な不確実性付き選言時間ネットワークの解法スケジューリング2022/3/1
不確実性を含むスケジューリング問題DTNUに対し、時間ベース動的制御可能性の制限版R-TDCを定義し、木探索とグラフニューラルネットワークのヒューリスティックで高速に判定する手法を提案した。
- UnShadowNet:照明批評器が導くコントラスト学習による影除去影除去2022/3/1
整列した影あり・なし画像ペアが不要な弱教師あり影除去フレームワークUnShadowNetを提案し、照明批評器による敵対的学習とコントラスト学習で影を除去、3つの公開データセットで最先端性能を達成した。
- グラフ畳み込みネットワークと最適化木探索による制約付き経路計画問題の最適解法経路計画2021/8/1
グラフニューラルネットワークで分枝限定法を支援し、制約付き経路計画を高速かつ最適に解くハイブリッドプランナを提案した論文。
- グラフ畳み込みニューラルネットワークを用いた制約付き最短経路探索経路計画2021/8/1
必須通過ノードを含む最短経路問題に対し、制約ソルバーとグラフ畳み込みニューラルネットワークを組み合わせたハイブリッド手法を提案し、探索性能を向上させた。
- 制約付き多基準経路計画のための学習ベース選好予測経路計画2021/8/1
オフラインシミュレーションで学習したニューラルネットを用いて不確実な走行可否基準を予測し、経路計画に組み込むことで人手介入を減らす手法を提案した。
- グラフニューラルネットワーク誘導による時間ベース動的可制御性の木探索スケジューリング/計画2021/8/1
不確実性を含む選言的時間ネットワーク(DTNU)に対し、より強い可制御性の概念TDCを導入し、MPNNをヒューリスティックに用いた木探索で判定する手法を提案した。従来のTGAベース手法より高性能で、難しい問題へのスケーラビリティも向上した。
- 自動運転向け確率的軌道計画PLOP自動運転/軌道予測2020/3/1
カメラとLiDARの鳥瞰図から自車と周囲車両の複数の将来軌道を確率的に予測する模倣学習手法を提案し、nuScenesで最先端性能を達成した。
- 自動運転向けマルチタスクネットワークの動的タスク重み付け手法マルチタスク学習2020/1/1
自動運転向けマルチタスク学習における9種のタスク重み付け手法を3つのデータセットで公平に比較し、進化的メタ学習とタスク選択的誤差逆伝播を組み合わせた新手法を提案した。
