Frank Wood
収録論文 10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
- ミラー学習:三人称観察からの模倣学習模倣学習2026/7/1
三人称のデモ映像から、生成モデルで視点変換と逆動力学モデルを用いて一人称の模倣データを合成し、ポリシー学習を可能にする手法を提案した。
- 事前学習生成モデルの橋渡しによる制約付き生成の改善制約付き生成2026/3/1
複雑な実世界の制約領域内でサンプルを生成するため、事前学習済み生成モデルを微調整して制約を満たしつつ現実性を保つ手法を提案した。
- 交通シーン生成のためのローリング拡散モデル交通シミュレーション2025/2/1
拡散モデルと自己回帰モデルを組み合わせ、次のステップの予測と同時に部分的にノイズの加わった将来ステップを予測することで、反応性と計算効率のバランスを実現した交通シーン生成モデルを提案。
- Control-ITRA: 運転モデルの挙動を制御する自動運転シミュレーション2025/1/1
多エージェント運転行動モデルITRAを拡張し、ウェイポイント指定と目標速度調整によってエージェントの挙動を制御可能にした手法を提案した。
- TorchDriveEnv: 反応的でリアルかつ多様なNPCを備えた自動運転のための強化学習ベンチマーク自動運転/強化学習ベンチマーク2024/5/1
Pythonで実装された軽量な自動運転向け強化学習ベンチマークで、反応的でリアルかつ多様なNPC行動シミュレーションと統合し、学習車両の挙動評価を可能にする。
- 拡散モデルによる複数エージェントの協調ナビゲーション生成拡散モデル/交通シミュレーション2023/9/1
拡散モデルを用いて自動運転シミュレーション向けに全エージェントの軌道を同時生成し、目標指定や行動クラス指定などの条件付きサンプリングを可能にした研究。
- 動画がHDマップを不要にする:航空画像から直接マルチエージェント行動を予測行動予測2023/5/1
高精細地図の代わりに航空画像から道路文脈を抽出し、歩行者や車両のマルチエージェント軌道予測を行う手法を提案。微分可能なシミュレータに組み込み、HDマップと同等以上の性能を示した。
- 車種別ウェイポイント生成自動運転2022/8/1
運転行動の確率基盤モデルを強化学習の副産物で条件付けし、車種ごとに物理的に妥当なウェイポイント列を生成する手法を提案した。
- 分布強化学習のためのマルチサンプル目標値による探索強化学習2022/2/6
分布強化学習において単一サンプル目標値の代わりにマルチサンプル目標値を導入し、UCBベースの探索と組み合わせたE2DCを提案。Humanoid制御などの連続制御タスクで最先端のモデルフリー性能を達成した。
- 条件付き模倣学習とコマンド拡張による安全なEnd-to-End自動運転End-to-End自動運転2019/9/1
分岐アーキテクチャを使わずに確率的潜在変数モデルでコマンドに忠実な操舵を生成し、危険なコマンドにも頑健な制御器を構築した研究。
