Bolei Zhou
UCLA
収録論文 44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
- ChairNav:車いすナビゲーションのためのクロスエンボディメント事前学習とパーソナライズナビゲーション2026/10/15
視覚ナビゲーション基盤モデルを3段階のデータピラミッドで電動車いす向けに適応させ、軽量ハードウェアで長距離歩道の自動走行とユーザー介入によるパーソナライズを実現した。
- AutoAgent0: 安全な閉ループ運転のためのエージェント実行環境自動運転2026/10/13
既存の運転ポリシーに検出・検証・回復機能を追加し、閉ループ運転の安全性をテスト時実行問題として改善するエージェントランタイムを提案。
- フローの手がかり:オープンワールド配送マニピュレーションのためのフローマッチングポリシーの操舵VLA2026/9/30
事前学習済みフローマッチングVLAモデルを低レベル制御に用い、空間的手がかりでポリシーを操舵する軽量アダプタを提案。未知物体への指示追従と操作成功率を最大2倍改善。
- 振り返りで前進:生成ロボットポリシーのための時間的検証VLA2026/9/30
フローマッチングVLA向けに、直近の観測・行動履歴を要約する時間トークンを学び、追加の専門家デモなしでエネルギー検証器を対照的に訓練して、軌道整合性を考慮した行動チャンク選択を可能にする手法TeVを提案。
- NavSafe-∞:フォトリアル環境における閉ループ運転安全性のベンチマーク自動運転2026/9/22
280のシナリオからなるフォトリアルな閉ループ運転ベンチマークを提案し、20のE2Eポリシーを評価して、開ループ性能が閉ループ安全性に必ずしも移行しないことを示した。
- DreamStream: エンドツーエンド運転ポリシー向け生成的シミュレーション自動運転シミュレーション2026/9/22
大規模動画モデルを蒸留し、ポリシーが依存するシーン特徴を保つ生成的閉ループシミュレータDreamStreamを提案。新指標FDπで評価し、既存手法より高精度にポリシー知覚を再現、敵対的運転を含むベンチマークNavhard-CLも構築。
- 歩道ロボットのためのハイブリッド2D-3D学習による単眼3D占有知覚3D占有予測2026/6/1
歩道を走行するロボット向けに、LiDAR-RGBペアデータと大規模な非ペア単眼画像を組み合わせたハイブリッド学習で3D占有予測を行うフレームワークWalkOCCを提案し、新たな歩道データセットSidewalk3Dも導入した。
- 模倣からアライメントへ:長距離歩道ナビゲーションのための人間の好みに基づくフローポリシーナビゲーション2026/6/1
単眼RGBカメラのみを用いた長距離歩道ナビゲーションのためのポリシーFlowPilotを提案し、模倣学習と人間の介入による選好学習を組み合わせて、複雑な歩道環境での成功率を向上させた。
- SidewalkBench: 都市歩道における視覚ナビゲーションのベンチマークナビゲーション2026/6/1
都市歩道での視覚ナビゲーションを評価するための包括的なベンチマークを提案し、9つのモデルを様々なシナリオで評価した。
- 遅い脳、速いプランナー:遅延耐性を持つVLM拡張都市ナビゲーションナビゲーション2026/6/1
歩道ナビゲーションのプランナーが苦手な状況で、VLMを使って候補軌道を選び、遅延を補償する融合層で実時間制御を維持する手法を提案した。
- MDrive: エンドツーエンドマルチエージェントシステムのための閉ループ協調運転ベンチマーク自動運転/協調運転/ベンチマーク2026/5/1
V2X通信を用いた協調運転の評価を閉ループで行うベンチマークMDriveを提案し、マルチエージェントシステムの利点と課題を明らかにした。
- AURA: 実世界の都市ナビゲーションのためのマルチモーダル共有自律ナビゲーション2026/4/1
都市環境での長期的なナビゲーションを、人間の高レベル指示とAIの低レベル制御に分解する共有自律フレームワークAURAを提案。大規模データセットと実世界実験で、人間の操作負担を減らしつつナビゲーション安定性を向上させることを示した。
- BridgeSim: 自動運転エンドツーエンドにおけるオープンループとクローズドループのギャップの解明自動運転2026/4/1
オープンループ評価で高得点でもクローズドループ運用で失敗する原因を分析し、テスト時適応でギャップを緩和する手法を提案した論文。
- DiSCo: 共有自律のための拡散シーケンスコパイロット共有自律制御2026/3/1
共有自律制御において、拡散ポリシーを用いてユーザーの行動履歴に整合する行動シーケンスを計画する手法DiSCoを提案し、シミュレーションの運転・ロボットアームタスクで性能を向上させた。
- 補正行動拡張とマルチスケール模倣学習による歩道自動運転の実現模倣学習/自動運転2026/3/1
歩道向け小型モビリティの自動運転制御を、補正行動データの追加とマルチスケール模倣学習アーキテクチャにより強化し、実世界での堅牢性と汎化性を向上させた。
- 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。
- 人間介入からの予測的選好学習模倣学習2025/10/1
人間の介入に含まれる暗黙の選好信号を将来のロールアウト予測に活用し、安全性が重要な領域へ修正を伝播させる学習手法を提案。
- UrbanVerse: 街歩き動画から都市シミュレーションを大規模構築sim2real2025/10/1
クラウドソースの街歩き動画から物理的に整合した都市3Dシミュレーションを自動生成するシステムを提案し、ナビゲーション方策の学習と実機転移性能を大幅に向上させた。
- 見ることから経験することへ:強化学習によるナビゲーション基盤モデルのスケーリングナビゲーション2025/7/1
大規模動画での事前学習とシミュレーションでの強化学習を組み合わせ、都市ナビゲーションにおける対話的で安全な行動を実現するS2Eフレームワークを提案。
- Adv-BMT: 安全クリティカルな交通シナリオ生成のための双方向モーショントランスフォーマー自動運転シミュレーション2025/6/1
逆方向の交通運動予測を行う双方向モーショントランスフォーマーを用いて、現実の交通シナリオに多様でリアルな敵対的衝突インタラクションを付加するフレームワークを提案し、拡張データセットでの学習により衝突率を20%削減できることを示した。
- 適応的介入機構によるロボット主導の対話型模倣学習模倣学習2025/6/1
人間の介入要求を適応的に判断するプロキシQ関数を導入し、専門家の監視負担を大幅に減らすロボット主導の対話型模倣学習手法を提案した。
- SceneStreamer: 次トークングループ予測による連続的シナリオ生成自動運転シミュレーション2025/6/1
交通シナリオ全体をトークン列として表現し、Transformerで自己回帰的に生成することで、エージェントの出入りを伴う長期的な運転シミュレーションを可能にした研究。
- 自律型マイクロモビリティに向けたスケーラブル都市シミュレーションsim2real2025/5/1
都市環境での自律マイクロモビリティのための高性能シミュレーションプラットフォームURBAN-SIMと、8つのタスクからなるベンチマークURBAN-BENCHを提案し、多様なロボットで評価した。
- 人間の介入から効率的に学ぶ移動ロボットのオンライン学習手法sim2real2025/3/1
模倣学習と強化学習を組み合わせ、報酬設計や事前学習なしに人間のオンライン介入と実演からリアルタイムで方策を学習する手法を提案し、脚式四足歩行ロボットと車輪型配送ロボットで15分以内に訓練を完了できることを示した。
- 代理価値伝播による能動的な人間関与からの学習模倣学習2025/2/1
人間の介入とデモンストレーションを代理価値関数で表現し、TD学習で伝播させることで、報酬なしに方策を最適化する手法を提案した。
- MetaVQA:視覚言語モデルのための具現化シーン理解ベンチマークVLA2025/1/1
自動運転向けに、nuScenesとWaymoのデータからVQAペアを自動生成し、視覚言語モデルの空間推論と閉ループ意思決定を評価・改善するベンチマークMetaVQAを提案した。
- Vid2Sim: 動画から都市ナビゲーション向けのリアルでインタラクティブなシミュレーションを生成sim2real2025/1/1
単眼動画からフォトリアルで物理的に操作可能な3D都市環境を再構成し、視覚ナビゲーションエージェントの強化学習を可能にするreal2simフレームワークを提案。
- 介入型拡散アシスタンスによる共有自律制御共有自律制御2024/9/1
人間とAIが協調して操作する共有自律制御において、AIが常時介入するのではなく、人間の行動より価値が高い場合にのみ介入する拡散モデルベースの手法を提案し、シミュレーションと人間参加実験で性能と自律性の向上を示した。
- MetaUrban: 都市マイクロモビリティのための身体性AIシミュレーションプラットフォームsim2real2024/7/1
都市空間における配送ロボットや電動車椅子などのマイクロモビリティ向けに、歩行者や動的物体を含む無限の都市シーンを生成できる構成可能なシミュレーションプラットフォームを提案し、強化学習・模倣学習のベースラインを構築した。
- WOMD-Reasoning: 運転シーンにおけるインタラクション推論のための大規模データセットVLA2024/7/1
実世界の運転シーンにおける交通ルールに基づくインタラクションを記述・推論する300万件のQ&Aデータセットを構築し、それを用いた運転動作言語モデルMotion-LLaVAを提案した。
- ScenarioNet:大規模交通シナリオのシミュレーションとモデリングのためのオープンソースプラットフォーム自動運転シミュレーション2023/6/1
WaymoやnuScenesなど複数の運転データセットから実世界の交通シナリオを収集し、統一フォーマットでシミュレーション上に再現・対話できるオープンソース基盤を構築した。
- 不完全なオンラインデモンストレーションを用いたガード付き方策最適化強化学習2023/3/1
性能が不完全な教師でも使えるTeacher-Student強化学習手法TS2Cを提案し、教師の介入を軌道ベースの価値推定で取り込み、安全な探索と訓練コスト削減を両立させた。
- TrafficGen: 多様でリアルな交通シナリオを生成する学習手法交通シナリオ生成2022/10/1
実世界の断片的な運転データから自己回帰生成モデルを学習し、自動運転シミュレーション用の多様でリアルな交通シナリオを生成する手法を提案。生成シナリオを強化学習の訓練環境に用いることで運転ポリシーの性能と安全性が向上することを示した。
- V2XP-ASG:車車間・路車間知覚のための敵対的シーン生成V2X知覚2022/9/1
LiDARベースのV2X知覚システムを評価・改善するため、複数エージェントの位置を現実的に摂動させて敵対的協調グラフを学習する初のオープンな敵対的シーン生成器を提案。
- ポリシー解剖による人間とAIの共有制御人間-AI協調制御2022/6/1
強化学習済みポリシーの中間表現を運動学的属性に合わせることで、再学習なしに人間が介入可能な制御ポリシーへ変換する手法を提案。
- YouTube動画視聴による運転方策の事前学習:行動条件付き対照的方策事前学習運転/事前学習2022/4/1
少量のラベル付きデータで逆動力学モデルを学習し、YouTube動画のフレームに擬似行動ラベルを付与して、行動条件付き特徴を対照学習で事前学習する手法を提案した論文。
- Human-AIコパイロット最適化による安全運転方策の効率的学習自動運転/強化学習2022/2/1
人間の介入を限られた予算で活用し、危険な状況を回避する運転方策を強化学習で効率的に学習するHACOを提案した論文。
- 専門家誘導方策最適化による安全運転強化学習2021/10/1
専門家が危険時に介入してデモンストレーションを行う強化学習手法EGPOを提案し、安全運転タスクで訓練・テスト時の安全性とサンプル効率を向上させた。
- MetaDrive:多様な運転シナリオを合成し汎化可能な強化学習を支援するシミュレーション基盤自動運転シミュレーション/強化学習2021/9/1
手続き生成と実データ取り込みで無限に多様な運転シナリオを作れるシミュレーションプラットフォームMetaDriveを開発し、単一・マルチエージェントの汎化・安全探索・交通学習のベンチマークを構築した。
- PlaTe: 手順タスクにおけるTransformerを用いた視覚に基づく計画VLA2021/9/1
指示動画から人間の意思決定過程を学習し、目標指向の手順を計画するPlanning Transformerを提案。実世界動画と対話環境で従来より高い目標到達性能を示し、UR-5での応用可能性も検証した。
- 手続き型生成でEnd-to-End自動運転の汎化性能を向上させる自動運転/シミュレーション2020/12/1
道路ブロックをランダムに組み合わせて多様なシーンを自動生成する運転シミュレータPGDriveを開発し、生成シーンを増やして学習することで交通密度や道路網の異なる未知環境への汎化が大きく改善することを示した。
- 低レベル制御の模倣による自動運転の意思決定モジュール学習自動運転/模倣学習2019/12/1
古典的なモジュール型パイプラインの意思決定部を、人間の低レベル制御行動の模倣を通じて学習させるハイブリッド手法を提案し、複雑なシナリオでルールベースより優れ、端到端ポリシーより滑らかで安全な走行を実現した。
- 合成データで学習するリアルタイム6DoF物体姿勢推定姿勢推定2018/8/1
合成姿勢データのみで学習したPose Interpreter NetworkとRGBセグメンテーションを組み合わせ、深度情報なしで実時間(20Hz)の6DoF物体姿勢推定を実現した。
- SegICP: 深層意味セグメンテーションと姿勢推定の統合姿勢推定2017/3/1
畳み込みニューラルネットと複数仮説の点群位置合わせを組み合わせ、対象物体の画素単位の意味セグメンテーションとリアルタイム6自由度姿勢推定を初期値なしで高精度に実現した。
