Haochen Liu
収録論文 19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
- OmniBrain-0: 身体性知能のための統合エージェントモデルVLA2026/10/26
操作とナビゲーションを単一の軽量な意思決定モデルで統合し、段階的学習と自己改善の仕組みで長期的タスク遂行と失敗からの回復を実現した研究。
- PhysBrain 1.5：視覚言語モデルから物理基盤モデルへVLA2026/9/14
人間のインタラクション動画から身体動作を学習し、行動生成と未来状態予測を統合した8Bの物理基盤モデルを構築、28の身体理解ベンチマークでオープンソース最高性能を達成した。
- ワールドエンジン：自動運転におけるポストトレーニング時代に向けて自動運転2026/6/1
実世界のログから高忠実度のインタラクティブ環境を再構築し、安全上重要な長尾シナリオを合成的に生成して、事前学習済みの自動運転モデルを強化学習でポストトレーニングする枠組みを提案。これにより、実世界のリスクを回避しつつ安全性を向上させる。
- ヒューマン・アズ・ヒューマノイド：人間に合わせた身体を持つエゴ・エクソ人間ビデオからのゼロショット人型ロボット学習模倣学習2026/6/1
人間のデモ動画を高自由度ヒューマノイドのVLA学習に使えるように、身体・センシング・行動ラベルを揃えるフレームワークを提案し、実機で検証した。
- Discrete-WAM: 世界モデルとポリシー学習のための統一離散ビジョン・アクショントークン編集自動運転/世界モデル2026/6/1
自動運転向けに、視覚観測・未来状態・高次決定・自車行動を共通の離散トークン空間で表現し、世界モデルとポリシーを統合学習するフレームワークを提案した。
- Driver-WM: 運転者中心の交通条件付き潜在世界モデルによる車内ダイナミクスの展開世界モデル2026/5/1
車外の交通状況に基づいて車内の運転者状態を予測する潜在世界モデルを提案し、運転者の行動・感情認識と物理的運動予測を統合した。
- SimScale: 実世界シミュレーションを大規模に活用した自動運転の学習自動運転/sim2real2025/11/1
既存の走行ログから大規模に未知の状態を合成するシミュレーション基盤を構築し、疑似専門家による行動監督と実データとの共同学習で計画性能の堅牢性と汎化を大幅に向上させた。
- DecompGAIL: 分解型マルチエージェントGAILによる現実的な交通行動の学習交通シミュレーション2025/10/1
マルチエージェントGAILの不安定性の原因である無関係な相互作用の誤誘導を特定し、現実性を自己-地図と自己-近傍に分解するDecompGAILを提案。WOMD Sim Agents 2025ベンチマークで最先端性能を達成。
- 自己認識型拡張による強化学習ベースの洗練：エンドツーエンド自動運転のための新手法自動運転2025/6/1
エンドツーエンド自動運転の模倣学習モデルを、強化学習による残差修正と自己認識型アダプタ拡張で継続的に改善する学習パイプラインR2SEを提案。難事例への適応と一般知識の保持を両立させる。
- 自動運転のエンドツーエンド計画のための微分可能最適化誘導学習への意思決定の統合自動運転計画2024/12/1
意思決定と軌道計画を微分可能な非線形最適化問題として定式化し、学習ベースの予測モジュールと組み合わせてエンドツーエンドで訓練可能な自動運転計画フレームワークを提案した。Waymo Open Motionデータセットで評価し、安全性・効率・乗り心地が向上することを示した。
- 対話型自動運転のための推論型マルチエージェント行動トポロジー自動運転2024/9/1
マルチエージェントの将来軌道からブレイド理論に基づく行動トポロジー(BeTop)を抽出し、予測と計画の一貫性を高める学習フレームワークBeTopNetを提案した。
- 自動運転のためのハイブリッド予測統合プランニング自動運転2024/2/1
予測とプランニングを統合したHPPシステムを提案し、占有予測・ゲーム理論に基づく運動予測・ハイブリッド予測を組み合わせて自動運転の性能を向上させた。
- 占有予測ガイド付きニューラルプランナーによる自動運転自動運転計画2023/5/1
周囲の交通参加者の将来占有をTransformerで同時予測し、その予測をFrenet座標上の最適化に組み込む二段階のニューラルプランニング手法を提案した。
- GameFormer：自動運転のためのゲーム理論的モデリングとTransformerによるインタラクティブ予測・計画自動運転予測・計画2023/3/1
階層的ゲーム理論に基づき、Transformerエンコーダと階層的デコーダで他車の行動予測と自車の計画を同時に行うGameFormerを提案し、WaymoやnuPlanで最先端性能を達成した。
- 自動運転の意思決定のための相互作用を考慮した運動予測モデルの学習自動運転2023/2/1
自車の行動に対する他車の反応を予測するTransformerベースの運動予測モデルを提案し、オンライン学習フレームワークで訓練することで、自動運転の意思決定性能を向上させた。
- 逆強化学習を用いた条件付き予測行動計画による人間らしい自動運転自動運転計画2022/12/1
人間の運転データから逆強化学習で計画を評価するスコアリングを学習し、候補軌道ごとに他車の将来軌道を条件付き予測して人間らしい運転計画を生成する枠組みを提案した。
- Transformerベースのシーン表現学習による自動運転意思決定の強化学習強化自動運転意思決定2022/8/1
都市部自動運転の意思決定のため、Transformerでシーン表現を学習し強化学習のサンプル効率と適応性を改善する手法を提案。
- 学習可能なコスト関数を用いた微分可能な統合運動予測・計画フレームワーク自動運転計画2022/7/1
周囲の車両の将来軌道を予測しつつ、微分可能な非線形最適化器で自車の軌道を計画する統合フレームワークを提案し、コスト関数の重みもデータから学習可能にした。大規模実走行データで訓練し、開ループ・閉ループ評価でベースラインを上回る性能を示した。
- 専門家デモンストレーションを活用した都市自動運転のための改良深層強化学習自動運転/強化学習2021/2/1
強化学習と模倣学習を組み合わせ、専門家のデモンストレーションを優先経験再生で活用することで、都市交差点での縦方向車両制御を効率的かつ安全に学習する手法を提案した論文。
