Botian Shi

収録論文 16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

• ワールドモデリングはどこへ向かうのか？
  世界モデル2026/8/1

  エージェントの継続的改善のための世界モデルの概念を、物理状態遷移からエージェント中心の情報遷移へと拡張し、6つのプロキシ形式と3つの活用レベルを提案する。

• ComAct: COMをアクションとして捉える新パラダイムによるプロフェッショナルソフトウェア操作の再定義
  ソフトウェア操作エージェント2026/6/11

  GUI操作やAPIに頼らず、WindowsのCOMを統一的な実行抽象として用い、プロフェッショナルソフトウェア操作を決定論的なプログラム合成として扱う新パラダイムを提案。産業用CAD操作のベンチマークComCADBenchを導入し、自己修正エージェントComActorが高い性能を示した。

• SymDrive: 対称自己回帰オンライン復元によるリアルで制御可能な運転シミュレータ
  自動運転シミュレーション2025/12/1

  拡散モデルを用いて、自動運転向けの高精細な新規視点生成と車両挿入などのシーン編集を統合的に行うシミュレータを提案した論文。

• LimSimシリーズ：自動運転の検証と強化のためのシミュレーションプラットフォーム
  自動運転シミュレーション2025/2/1

  自動運転システムの検証・改善に向け、道路網情報や人間らしい意思決定アルゴリズム、関心領域(AoI)による計算最適化を統合したシミュレーションプラットフォームLimSimシリーズを提案。多様なベースラインアルゴリズムと評価指標を備え、モジュール型・エンドツーエンド・VLMベースの各システムに対応可能。

• ZOPP: 自動運転のためのゼロショットオフボードパノプティック知覚フレームワーク
  自動運転/パノプティック知覚2024/11/1

  視覚基盤モデルのゼロショット認識能力と点群の3D表現を統合し、自動運転シーンの多様な要素を自動ラベリングするマルチモーダルなパノプティック知覚フレームワークを提案した。

• DriveArena: 自動運転のための閉ループ生成シミュレーションプラットフォーム
  自動運転シミュレーション2024/8/1

  生成モデルで実写のような画像を作り出し、交通シミュレータと組み合わせて自動運転エージェントを閉ループで評価できる高忠実度シミュレーションシステムを構築した。

• LiCROcc: LiDARとカメラでレーダーに正確な意味的占有予測を教える
  意味的占有予測2024/7/1

  LiDARとカメラの融合特徴を蒸留することで、レーダー単独およびレーダー・カメラ設定での意味的シーン補完性能を大幅に向上させた研究。

• 継続的に学習・適応・改善する：自動運転のための二重プロセスアプローチ
  自動運転2024/5/1

  人間の認知プロセスに着想を得て、注意選択と二重プロセス意思決定（分析的推論とヒューリスティック処理）を組み合わせ、反省機構と記憶バンクで自己改善する自動運転フレームワークLeapADを提案。CARLAでの閉ループ評価でカメラ入力のみの手法を上回り、ラベルデータも大幅に削減できることを示した。

• LimSim++：マルチモーダルLLMを自動運転に展開するための閉ループプラットフォーム
  自動運転/LLM2024/2/1

  マルチモーダル大規模言語モデルを自動運転に応用するため、長時間・多シナリオの閉ループシミュレーションを可能にする拡張プラットフォームLimSim++を提案し、ベースラインの(M)LLM駆動フレームワークを実験的に検証した。

• 知識駆動型自動運転に向けて
  自動運転2023/12/1

  データバイアスや長尾シナリオへの弱さ、解釈性の欠如といった従来の自動運転の課題に対し、大規模言語モデルや世界モデル、ニューラルレンダリングなどを用いた知識駆動型アプローチの研究動向を整理し、今後の方向性を示したサーベイ論文。

• CARLAシミュレータにおけるLiDAR向けの現実的な雨天気象シミュレーション
  sim2real2023/12/1

  CARLAシミュレータ上で雨天時のLiDARデータを物理モデルに基づいて生成し、車輪の水しぶきも再現することで、悪天候下の物体検出性能を向上させるデータ拡張手法を提案した。

• GPT-4V(ision)と自動運転：視覚言語モデルの初期探索
  VLA2023/11/1

  自動運転への視覚言語モデルGPT-4Vの応用可能性を評価し、シーン理解や因果推論で優れる一方、方向認識や信号認識に課題があることを示した。

• SceneDM: 一貫性のある拡散モデルによるシーン全体のマルチエージェント軌道生成
  軌道生成2023/11/1

  拡散モデルを用いて、車・自転車・歩行者などシーン内の全エージェントの未来軌道を一貫性を保ちながら同時生成するフレームワークを提案し、Waymoベンチマークで最高性能を達成した。

• DiLu: 大規模言語モデルによる知識駆動型自動運転
  自動運転2023/9/1

  大規模言語モデルに推論と内省のモジュールを組み合わせ、常識的知識に基づく意思決定と経験の蓄積を可能にする自動運転フレームワークDiLuを提案した。

• TrafficMCTS: グループベースモンテカルロ木探索による閉ループ交通流生成フレームワーク
  交通流シミュレーション2023/8/1

  グループベースのモンテカルロ木探索と社会的価値志向を組み合わせ、多様な運転スタイルと協調性を持つリアルな交通流を閉ループで生成するフレームワークを提案した。

• 人間のように運転する：大規模言語モデルによる自動運転の再考
  自動運転2023/7/1

  大規模言語モデル（LLM）を自動運転に活用し、人間のように環境を理解し、推論・解釈・記憶する能力を検証した。閉ループシステムを構築し、長尾ケースへの対応可能性を示した。