Avinash Balachandran
Toyota Research Institute
収録論文 8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
- Dream2Assist:意図条件付きワールドモデルによる共有車両制御共有制御/ワールドモデル2026/10/26
人間の意図を推論するワールドモデルベース強化学習で、先回りしつつ人間が理解しやすい支援エージェントを実現し、レーシングと市街地運転で有効性を検証した論文。
- 時空間検索に基づく事前知識を用いた運転指導の適応的計算モデル模倣学習/適応的指導2026/6/1
運転などの複雑な運動技能の指導において、学習者の長期的な学習過程と指導者との繰り返しの相互作用を考慮した適応的指導モデルを提案。限られたデータでも、類似した過去の相互作用を検索して活用する手法で、非適応的なベースラインより優れた性能を示した。
- 計画を学び、学びを計画する:適応的階層型RL-MPCによるサンプル効率の高い意思決定RL-MPC融合/階層型計画2025/12/1
強化学習とMPPIベースのMPCを階層的に融合し、価値推定の不確実性に応じてMPPI探索を適応的に増やすことで、サンプル効率とタスク成功率を向上させる手法を提案した論文。
- SimCoachCorpus: 身体的教示のための言語と軌道を含む自然なデータセット教示・言語指導2025/9/1
レーシングシミュレータで29人が約90分間運転し、15人はプロのコーチから指導を受けた。車両状態や軌道、コーチの音声フィードバック、認知負荷や感情状態などのアノテーションを含む大規模データセットを構築した。
- 運転障害研究を支援するシミュレータデータセット運転行動解析2025/7/1
飲酒と認知負荷による運転障害を調べるため、52名の被験者による23.7時間の都市運転シミュレータデータを収集し、車両データと運転者データを公開した。
- 自律テストドライバーに向けて:強化学習による高性能ドライバーモデリング強化学習2024/12/1
深層強化学習でレーシングカーの自律テストドライバーを訓練し、トップドライバー並みの走行で車両セットアップ評価を可能にするとともに、模倣学習を組み合わせて人間らしい運転挙動も再現できるようにした。
- マルチタスク模倣学習による運転教示システム模倣学習2024/10/1
専門家の教示データ不足を補うため、マルチタスク模倣学習で高性能運転のコーチングシステムを訓練し、実車実験と被験者研究で有効性を示した。
- NashFormer: 局所ナッシュ均衡を活用した意味的多様性のある軌道予測軌道予測2023/5/1
ゲーム理論的逆強化学習を訓練時の補助損失として用い、マルチエージェントの相互作用を考慮した多様な軌道予測を実現するNashFormerを提案。Waymoデータセットでベースラインより33%多くの相互作用をカバー。
