Harrison Delecki
収録論文 11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
- 重要度サンプリングとPCAによる商用自動運転車の故障発見自動運転/安全性検証2026/7/1
商用自動運転トラックのスタックに希少故障発見アルゴリズムを適用し、モンテカルロ法では見つからない衝突を発見。PCAで故障モードを分類し、再現可能なノイズ軌道を抽出する手法を提案。
- 拡散モデルによる自動運転システムの安全検証安全検証2025/6/1
拡散モデルを用いて、任意の初期交通状態から自動運転車の潜在的な失敗事例を生成し、安全検証を効率化する手法を提案した。
- NeBula拡張:TEAM CoSTARのソリューションを大規模環境へ展開する補遺地下探査/群制御2025/4/1
DARPA地下チャレンジに参加したTEAM CoSTARのNeBula自律探査システムを、より広範囲・大規模な地下環境に対応させるためのハードウェア・ソフトウェア・アルゴリズム拡張を提示し、実環境で実証した。
- 正規化フローの潜在空間探索による重要度サンプリングの改善重要度サンプリング2025/1/1
正規化フローの潜在空間で提案分布を更新することで、ロボティクス応用における希少事象の重要度サンプリングを効率化する手法を提案。
- 状態依存重要度サンプリングによるブラックボックス自律システムの故障確率推定安全性/故障確率推定2024/12/1
ブラックボックスな逐次意思決定システムの故障確率を、状態依存の適応的重要度サンプリングで高精度に推定する手法を提案した。
- 拡散モデルによる安全クリティカル自律システム評価のための故障サンプリング安全性検証2024/6/1
条件付き拡散モデルを反復学習し、高次元ロボティクスにおける故障軌道を効率的にサンプリングする手法を提案。既存のブラックボックス手法より少ないサンプルで多様な故障モードを網羅できることを示した。
- 状態推定のための深層正規化フロー状態推定2023/6/1
正規化フローと表現力の高い深層ニューラルネットワークを組み合わせてエージェントの真の状態に対する信念を学習し、ロボットの状態推定タスクで従来手法を上回る性能を示した論文。
- 確率的推論としてのモデルベース検証検証・安全性2023/5/1
逐次システムの故障軌道分布推定をベイズ推論として定式化し、自動微分による軌道勾配とHMCサンプリングで効率的に検証する手法を提案した。
- 不確実性下の探索におけるリスクを考慮したメタレベル意思決定探索2022/9/1
未知環境のロボット探索において、局所・大域方策を状況に応じて切り替えるリスク考慮型メタレベル意思決定フレームワークを提案し、シミュレーションと実機実験で大規模環境の探索効率を向上させた。
- FIG-OP:限られた時間で大規模未知環境を探索する手法探索計画2022/3/1
時間制約下で大規模未知環境を自律探索するため、情報利得を前倒しするFIG-OPを提案し、トポロジカル・メトリック地図を統合した表現で解く手法。地下鉄や鉱山で実証し、従来手法より探索効率が向上。
- 悪天候下の自動運転知覚はどう失敗するか:強化学習によるストレステスト知覚/ロバスト性2022/3/1
強化学習を用いて、雨・霧・雪などの悪天候でLiDAR知覚や軌道予測が失敗しやすい入力の乱れ系列を探索する手法を提案し、実走行データで有効性を示した。
