Guopeng Li
収録論文 5本 ・ フィジカルAI/ロボット学習
強化学習安全強化学習データセット/交差点/安全性評価交通流・車間追従
※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
- 到達して生き残る:1ビットの失敗信号からの安全な目標条件付きポリシー学習のスケーリング強化学習2026/8/27
失敗終了型マルコフ決定過程における対比強化学習の理論的欠陥を指摘し、質量重み付きInfoNCEと対数生存質量スコアによる修正を加えたSafe-CRLを提案。12のロボットナビゲーション・歩行タスクで生存率と目標到達性能を向上させた。
- COP-Q: コレスキー順序射影による安全最優先ロボット制御強化学習安全強化学習2026/6/3
報酬と安全性のQ値の相関を考慮し、コレスキー分解で安全を優先しつつ報酬の過度な保守性を抑える新しい安全強化学習手法を提案した。ロボットの移動やナビゲーション実験で安全性とサンプル効率の向上を確認した。
- 制約付き楽観的探索を用いたオフポリシー安全強化学習安全強化学習2026/3/1
安全制約を満たすオフポリシー強化学習アルゴリズムCOX-Qを提案し、コスト制約付き探索と分布価値学習により、サンプル効率と安全性を両立させた。
- Argoverse-2から構築した交差点コンフリクト解決データセット:自動運転車の安全性と効率性への影響分析データセット/交差点/安全性評価2023/8/1
Argoverse-2の軌跡データを加工し、自動運転車と人間が交差点でコンフリクトを解決する5000件超の事例を含むデータセットを構築し、代理安全指標と新たな効率指標で自動運転車の影響を評価した。
- Lyft level-5データセットに基づく大規模車間追従データ:自動運転車と人間運転車の追従比較交通流・車間追従2023/5/1
Lyftの公開データセットから自動運転車を追従する場合と人間運転車を追従する場合の車間追従データを抽出・補正し、大規模なデータセットを構築した。
