David J. LeBlanc
収録論文 7本 ・ フィジカルAI/ロボット学習
自動運転シミュレーション自動運転不確かさ定量化自動運転評価
※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
- Car-STAGE: ユーザー定義基準に基づく大規模高次元時系列シミュレーションデータ生成の自動化フレームワーク自動運転シミュレーション2025/3/1
CARLAシミュレータ上でGUIから設定を指定するだけで、複数センサの同期データと正解ラベルを自動収集・保存するフレームワークを提案。
- 走行軌跡データを用いた自動運転システム安全指標の評価自動運転2024/1/1
記録された車両軌跡データを活用し、衝突回避不能な状況を基準として、TTCやPCM、MPrISMなどのリアルタイム安全指標を公平に比較評価する枠組みを提案した。
- インフラカメラセンシングにおける物体フットプリントの不確かさ定量化不確かさ定量化2023/8/1
インフラ設置カメラで撮影した物体の接地座標の不確かさをカメラ誤差から解析的に推定し、LiDARを真値に誤差サイズを見積もる手法を提案、CARLAで左折時の不確かさ変化を検証した。
- SUMOとCARLAを統合した自動運転車テスト用交通シミュレーションフレームワーク自動運転シミュレーション2021/10/1
SUMOによる自然な交通流とCARLAによるリアルなセンサ出力を組み合わせ、自動運転車の知覚・計画・制御を複雑な環境でモジュール的にテストできる枠組みを提案した。
- 自動運転車の検証のためのSUMOシミュレータ拡張自動運転シミュレーション2021/9/1
SUMOシミュレータに実データで校正した車間モデルとOpenAI Gym連携を追加し、初心者でも使いやすい自動運転車テスト環境を実現した。
- 区分混合モデルによる自動運転車の加速評価自動運転評価2017/1/1
車線変更車両の挙動を区分混合分布でモデル化し、重要度サンプリングと組み合わせることで自動運転車の評価を約1万倍高速化した研究。
- 重要度サンプリングによる自動運転車の車線変更シナリオ安全性評価の加速自動運転評価2016/5/1
人間の車線変更データを統計的に偏らせて危険なカットインシナリオを生成し、自動運転車の安全性評価を約2000〜20000倍加速する手法を提案した。
