Apoorva Sharma
NVIDIA
収録論文 19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
- 慎重な審判:安全で効率的な人間とAIの協調的意思決定人間AI協調2026/10/6
AIの判断に人間のレビューを組み合わせ、人間への問い合わせを減らしつつ安全性を保証する適応的な較正・修正パイプラインCAREを提案し、運転・言語・ロボティクス分野で有効性を示した。
- ペアシステムを用いた障害発見のためのカバレッジ考慮型能動評価能動学習/障害発見2026/8/13
限られたテスト予算で実世界の障害を効率的に発見するため、プロキシシステムの情報を活用しつつ、実システムの評価結果と組み合わせて障害が起きそうなシナリオを適応的に選択する手法を提案した。
- StressDream: ビデオ世界モデルを操縦して堅牢なポリシー評価と改善を実現世界モデル/ポリシー評価2026/6/1
拡散ベースのビデオ世界モデルにおいて、推論時に指定された高影響かつ妥当な未来(例:タスク失敗)へ想像を誘導する手法を提案し、ポリシーの堅牢な評価と改善を可能にした。
- X4Val: 分散低減型ポリシー評価のためのニューラルサロゲート学習評価手法2026/6/1
実世界データが乏しい中で、シミュレーションや過去のログなどの多様な補助データを活用し、実世界の性能指標を高信頼に推定するための分散低減フレームワークX4Valを提案した。
- 反事実的VLA:適応的推論を備えた自己反省型視覚-言語-行動モデルVLA2025/12/1
自動運転VLAモデルが計画した行動を反事実的に推論して修正する自己反省フレームワークを提案し、軌道精度と安全性を向上させた。
- ネガティブデータの活用:衝突報告から反事実推論へ、安全な自動運転のための判断支援自動運転2025/9/1
衝突報告を自車視点の言語に正規化し、ログと衝突を統一シーン行動表現に変換して検索可能にすることで、提案行動の妥当性を過去事例から判断する自動運転システムを構築した。
- 軌道予測器を前方可到達集合推定器として用いた運動計画の安全性評価安全性検証2025/7/1
多モーダル軌道予測器から凸計画で前方可到達集合を抽出し、conformal predictionとベイズフィルタで較正して、運動計画の安全性を検証するモニタを提案した。
- Sim2Val: テストプラットフォーム間の相関を活用した分散低減メトリクス推定sim2real2025/6/1
シミュレーションと実世界のペアデータを制御変数として用い、実世界評価の分散を抑えて少ないサンプルで高信頼な性能推定を可能にする枠組みを提案。
- 軌道予測器のオンライン統合軌道予測2025/2/1
複数の軌道予測モデルを「専門家」として扱い、オンラインで確率ベクトルを更新して最適に混合する軽量な手法を提案し、異なる都市やデータセットでも単一モデルと同等以上の性能を示した。
- 自動運転車における知覚故障のシステムレベル安全監視と回復自動運転/安全監視2024/9/1
知覚故障が計画に与える影響を評価し、安全でない計画を検出して修正案を提示するQネットワークSPARQを提案。NuPlan-Vegasデータセットで90%の精度と再現率、42Hzのリアルタイム性能を達成。
- RuleFuser: 模倣学習プランナーへのルール注入による分布シフト下でのロバスト性向上自動運転プランニング2024/5/1
模倣学習ベースの自動運転プランナーに古典的なルールベースプランナーを証拠ベイズ的に統合し、分布外シナリオでの安全性を向上させる手法を提案。
- マルチ予測器融合:学習ベースとルールベースの軌道予測器の組み合わせ軌道予測2023/7/1
学習ベースの軌道予測器とルールベースの予測器を確率的に融合し、自律走行車の軌道予測性能を向上させる手法を提案した。
- ロボティクスにおける分布外データのシステムレベル視点ロボティクス一般2022/12/1
ロボット自律スタックにおける分布外(OOD)データの問題をシステム全体の観点から整理し、今後の研究方向を提示した論文。
- 不確かなダイナミクスを持つ系の確率微分方程式による再定式化の問題点制御理論2021/11/1
パラメータ不確かさを持つ系をブラウン運動の外乱を加えた確率微分方程式で置き換える近似の誤りを指摘した論文。
- 不確実性と学習ベース制御のためのパーティクルMPCMPC2021/4/1
パーティクルで表された不確実性を直接取り込む非線形MPCを提案し、部分的な合意ホライズンを導入して過度な保守性と楽観性を緩和、時変・部分観測ダイナミクスやセンシング不確実性、モデルベース強化学習で性能向上を示した。
- 安全な能動的ダイナミクス学習と制御:逐次探索・活用フレームワーク安全制御2020/8/1
ベイズメタ学習と最終層適応を用いて動力学の不確かさに対処し、探索で不確かさを減らしてから活用することで、全タスク期間にわたり制約を高確率で満たす安全な軌道計画を実現する手法を提案した。
- クラウドロボティクスのためのネットワークオフロード方針:学習ベースのアプローチクラウドロボティクス/オフロード/強化学習2019/2/1
ロボットが不確実なときや高精度な計算が必要なときに、クラウドへセンシングタスクをいつ・どのようにオフロードするかを深層強化学習で決定し、通信コストを抑えつつ視覚タスク性能を1.3〜2.6倍改善する手法を提案した。
- 効率的なオンライン・ベイズ回帰のためのメタ学習事前分布ベイズ回帰/メタ学習2018/7/1
ニューラルネットで有限次元特徴表現と重みの事前分布をメタ学習し、ガウス過程回帰より計算・データ効率良くオンライン予測するALPaCAを提案。
- BaRC:ロボット強化学習のための後方到達可能性カリキュラム強化学習2018/6/1
近似ダイナミクスモデルを用いて、ゴールに近い状態から学習を始め、性能向上に応じて初期状態分布を後方に拡大するカリキュラムを提案し、モデルフリーRLの学習を加速した。
