Anna Choromanska
New York University
収録論文 7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
- AD-E2E-JEPA: エンドツーエンド自動運転のための結合埋め込み予測アーキテクチャ自動運転2026/9/28
自動運転向けのJEPA世界モデルを評価し、計画パッチを16倍削減するSIGReg正則化プロジェクタを導入して100倍の推論高速化を実現した。
- LiDAR占有補完と予測のための自己教師ありJEPAベース世界モデル世界モデル2026/2/1
LiDARデータから将来の時空間変化を予測する自己教師あり世界モデルAD-LiST-JEPAを提案し、占有補完・予測タスクで事前学習エンコーダの有効性を示した。
- 自動運転LiDAR物体検出のためのJoint Embedding Predictive Architectureによる自己教師あり表現学習LiDAR物体検出2025/1/1
LiDAR点群の自己教師あり事前学習にJEPAを初適用し、BEV埋め込み予測と分散正則化で表現崩壊を防ぎ、KITTI3D・Waymo・ONCEで検出精度を向上させた。
- ERASE-Net: 車載レーダー信号のための効率的なセグメンテーションネットワークセグメンテーション2022/9/1
生の3Dレーダー信号を対象に、物体中心を検出してからセグメンテーションする新手法により、高精度かつ最大20倍少ない計算資源で車載レーダーのセマンティックセグメンテーションを実現した。
- 自動運転のためのマルチモーダル専門家ネットワーク自動運転/マルチモーダル2020/9/1
複数センサ入力の計算コスト増大と単純入力への過適合を、ゲーティング機構で各時点に最適な入力を選ぶマルチモーダル専門家ネットワークと多段階学習で解決し、3カメラとLiDAR搭載の1/6スケールトラックで実証した。
- 保証付き自律性のための敵対的学習に基づくオンライン異常監視異常検知2018/11/1
学習ベース制御系の安全性・セキュリティをリアルタイム監視する枠組みを提案し、センサ入力からアクチュエータ指令への写像とその逆の写像の妥当性を敵対的学習で検出する。
- End-to-End学習で車を操舵する深層ニューラルネットワークの判断根拠を可視化する自動運転/解釈性2017/4/1
NVIDIAの自動運転モデルPilotNetが画像のどの領域に注目して操舵を決めているかを解析し、車線や車だけでなく路肩の茂みなど人間が想定しにくい特徴も学習していることを示した。
