Benjamin Sapp
収録論文 12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
- 運動予測と計画のスケーリング則運動予測・計画2025/6/1
自動運転における運動予測と計画タスクで、トランスフォーマーモデルの性能が計算量に対してべき乗則で向上することを示し、最適なモデルサイズとデータサイズの比率や推論時計算のスケーリングも分析した。
- EMMA: 自動運転のためのエンドツーエンドマルチモーダルモデル自動運転2024/10/1
マルチモーダル大規模言語モデルを基盤に、カメラ映像から直接運転計画や物体検出、道路グラフを生成する自動運転モデルを提案し、複数タスクの同時学習で性能向上を実証した。
- Waymax: 大規模自動運転研究のための高速データ駆動型シミュレータ自動運転シミュレーション2023/10/1
実世界の走行データを用いてマルチエージェントの自動運転シナリオを再現し、TPU/GPU上で大規模かつ高速にシミュレーションできるデータ駆動型シミュレータWaymaxを提案した論文。
- MotionLM: 言語モデリングとしてのマルチエージェント運動予測運動予測2023/9/1
連続的な軌道を離散的なモーショントークンの系列として表現し、マルチエージェントの運動予測を言語モデリングタスクとして解く手法を提案。Waymo Open Motion Datasetで最先端性能を達成。
- JFP: 自動運転のためのインタラクティブなマルチエージェントモデリングによる統合未来予測予測2022/12/1
エージェント間の相互作用を構造化グラフィカルモデルで直接学習し、一貫性のあるマルチエージェント未来軌道を生成する統合予測モデルJFPを提案。Waymo Open Motion Datasetで最先端性能を達成。
- 模倣だけでは不十分：強化学習による難運転シナリオへのロバスト化自動運転2022/12/1
10万マイル超の実走行データで模倣学習した運転方策に、単純な報酬の強化学習を組み合わせることで、衝突リスクの高い難シナリオでの失敗を38%以上削減した。
- 座標系ギャップを埋める行動予測モデル：効率的で高精度なシーン中心運動予測のための蒸留運動予測2022/6/1
エージェント中心モデルからシーン中心モデルへ知識蒸留を行い、計算効率を保ちつつ予測精度の差を縮めた。
- MultiPath++: 行動予測のための効率的な情報融合と軌道集約行動予測2021/11/1
自動運転の行動予測において、ポリラインによる疎なシーン表現と生のエージェント状態を融合するモデルを提案し、静的アンカーを学習可能な潜在アンカーに置き換え、出力集約手法を探求することでArgoverseなどで最高性能を達成した。
- 条件付き行動予測による運転者インタラクションの特定行動予測2021/4/1
自車の将来軌道を条件として他エージェントの軌道分布を予測するモデルを構築し、確率論に基づくインタラクティブ度スコアを提案した論文。
- TNT: 目標駆動型軌道予測軌道予測2020/8/1
将来の目標状態を予測し、それを条件に軌道を生成・選択する3段階の軌道予測フレームワークを提案し、車両・歩行者の予測で最先端性能を達成した。
- MultiPath：行動予測のための複数確率的アンカー軌道仮説行動予測2019/10/1
将来の軌道分布をアンカー軌道の混合ガウスとして予測するモデルを提案し、1回の推論で多峰的な予測を効率的に得られることを示した。
- 道路のルール：意味的相互作用の畳み込みモデルによる運転行動予測行動予測2019/6/1
高精度な3D知覚情報と詳細な意味地図を空間グリッド上で統合し、畳み込みモデルで車両や環境との相互作用を学習して将来の運転行動を予測する手法を提案し、新データセットで有効性を示した。
