J. Marius Zöllner
収録論文 65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
- ウェイポイント回帰を超えて:到達可能な自己未来に対するクエリベースコスト学習によるエンドツーエンド運転自動運転/プランニング2026/10/6
ウェイポイント回帰ではなく、動的に到達可能な自己軌道クエリに対してコストを学習し、衝突率を改善するエンドツーエンド運転プランナを提案。
- 初期シーンから安全クリティカルなシナリオを生成する手法シナリオ生成2026/9/17
拡散モデルと強化学習を組み合わせ、現実的な初期シーンから衝突などの危険な相互作用が発生しやすい状況を生成する手法を提案。
- スカラー報酬を超えて:安全で信頼性の高い自動運転のための事前順序付き目的を持つ分布強化学習自動運転/強化学習2026/3/1
複数の競合する目的(安全性、効率性、快適性)を扱うため、報酬成分に事前順序を導入したPr-MOMDPと、分布を単一統計量に縮約せず比較するQuantile Dominance指標を提案し、自動運転タスクで安全性と成功率を向上させた。
- 知覚のための深層ニューラルネットワークの実行時安全モニタリング:サーベイ安全性モニタリング2025/11/1
自動運転やロボティクスなど安全が重要な知覚システムにおいて、DNNの推論時に並行して動作し、入力・内部表現・出力を監視することで安全性の懸念を検出する手法を体系的に整理したサーベイ。
- セマンティック情報でLiDAR自己位置推定を強化:カメラ投影 vs 直接LiDARセグメンテーション自己位置推定2025/9/1
カメラのセマンティックセグメンテーションをLiDAR点群に投影することで、LiDARベースの自己位置推定の精度とロバスト性を向上させる手法を提案し、市街地から高速道路まで55kmの走行データで検証した。
- 自動運転のための多様で適応的な行動カリキュラム:マルチエージェント強化学習による生徒-教師フレームワーク自動運転/マルチエージェントRL2025/7/1
マルチエージェント強化学習の教師が多様な交通行動を生成し、生徒の性能に応じて難易度を適応的に調整するカリキュラム学習で、自動運転エージェントを訓練した研究。
- EffiComm: 帯域効率の良いマルチエージェント通信協調知覚/V2X2025/7/1
車車間通信で共有するBEV特徴マップを、重要領域の選択とGNNによる適応的削減で圧縮し、従来の40%以下の通信量で高精度な3D物体検出を実現する協調知覚フレームワーク。
- DigiT4TAF:未来の交通システムに向けた物理世界とデジタル世界の橋渡しデジタルツイン2025/7/1
ドイツの自動運転テストエリアTAF-BWのデジタルツインを構築し、実世界の交通データをシミュレーションで再現するフレームワークを公開した。
- シミュレーションと使いやすさの橋渡し:CARLAにおけるユーザーフレンドリーなシナリオ生成フレームワーク自動運転シミュレーション2025/7/1
CARLA向けに、プログラミング知識がなくてもGUIで自動運転の交通シナリオを作成・編集・実行できるノーコードのフレームワークを提案した。
- 主観論理を用いた自動運転システム向けマルチソース自己位置推定のオンライン性能評価自己位置推定2025/6/1
自動運転車に搭載されたオドメトリ・SLAM・GNSSの3つの自己位置推定システムの性能を、主観論理を用いてオンラインで評価する手法を提案した。
- 主観ネットワークを用いた自動運転システムの機能性評価フレームワーク自動運転2025/6/1
自動運転システムの各コンポーネントの評価を主観ネットワークで統合し、依存関係や冗長性、誤り伝播を考慮してシステム全体の機能性を推定するフレームワークを提案した。
- TPK: 解釈性と運動学的実現可能性のための事前知識を統合した信頼できる軌道予測軌道予測2025/5/1
自動運転の軌道予測において、車両・歩行者・自転車の各エージェントクラスに特化した相互作用と運動学の事前知識を組み込み、解釈性と物理的実現可能性を向上させる手法を提案。
- 進歩と安全の両立:自動運転の強化学習におけるリスク認識型報酬設計自動運転/強化学習2025/5/1
自動運転の強化学習において、衝突前のリスクを考慮した二次元楕円体関数とRSS拡張に基づく新しいリスク認識型報酬を提案し、無信号交差点で衝突率を21%削減しつつ経路進捗も改善した。
- 自動カリキュラム学習による運転シナリオ生成:堅牢で効率的な強化学習に向けて自動運転/強化学習2025/5/1
エージェントの能力に応じて難易度を自動調整する運転シナリオを生成するカリキュラム学習フレームワークを提案し、強化学習による自動運転エージェントの汎化性能と訓練効率を向上させた。
- SPaT駆動参照速度による集中型プラトゥーニング意思決定群制御2025/5/1
V2X通信と信号情報(SPaT)を活用し、非線形MPCで車群リーダーの軌道を最適化する都市部プラトゥーニング手法を提案。CARLAシミュレーションで最大41.2%の燃費削減と交通流改善を実証した。
- 境界誘導による軌道予測:道路認識と物理的実現可能性を両立する自動運転軌道予測2025/5/1
走行可能な方向とその境界を制約として軌道予測を回帰問題として定式化し、道路外予測を防ぎつつ運動学的制約を満たす手法を提案した。
- シェフのKISS:ICPとSLAMの両方で意味情報を活用するSLAM2025/4/1
LiDARオドメトリのKISS-ICPに意味情報を組み込み、軌跡精度を向上させるとともに、Cartographerによるループ閉鎖と地図生成にも意味情報を利用して駐車車両などの動的物体を除去し、再位置推定の品質を高めた。
- 自動運転システムのためのモジュール式故障診断フレームワーク故障診断2024/11/1
自動運転システムの異種コンポーネントを対象に、状態と依存関係を考慮したモジュール式の故障診断フレームワークを提案し、自動運転シャトルバスで評価した。
- 次世代インフラで自律シャトルを強化する自動運転シャトル2024/10/1
スマートインフラと連携した自動運転シャトルの実証実験を実施し、システムアーキテクチャや適応的な走行制御、V2Xドライバとデータセットを公開した。
- 1台から多数台へ:単一センサデータセットによるマルチLiDAR知覚への不変性LiDAR知覚2024/9/1
単一LiDARデータで学習したモデルを複数LiDAR構成に転移させるため、特徴レベルの不変性指標と2つのデータ拡張を提案し、汎化性能を向上させた。
- 運転動作予測のための効率的なデータ表現:シーン特化型軌道集合アプローチ運転動作予測2024/7/1
地図情報とエージェントの動きを活用し、交差点や直線道路など状況に応じた軌道集合を生成する手法を提案。冗長な表現を削減するRIDSにより、Argoverse 2で最大10%のDAC改善を達成した。
- LiDAR点群セグメンテーションのためのラベルフリーモデル失敗検出点群セグメンテーション2024/7/1
ラベルなしデータを活用し、教師あり学習と自己教師あり学習の2つのストリームを組み合わせて、LiDAR点群セグメンテーションモデルの失敗を検出する手法を提案し、実世界の異常ラベル付きデータセットLidarCODAを公開した。
- UMAD: 自動運転のための教師なしマスクレベル異常検知異常検知2024/6/1
生成的世界モデルと教師なし画像セグメンテーションを組み合わせ、生のセンサデータのみから異常な交通シーンを検知する手法を提案し、既存の教師なし異常検知を上回る性能を示した。
- 自動運転の異常シナリオに向けたハイブリッド動画異常検知異常検知2024/6/1
自車視点の映像から正常な走行パターンを学習し、自動運転における稀で危険なシーンのピクセル単位の異常検知を行う手法を提案。
- AnoVox: 自動運転におけるマルチモーダル異常検知ベンチマーク異常検知2024/5/1
自動運転向けの大規模マルチモーダル異常検知ベンチマークAnoVoxを提案し、カメラ以外のセンサーも含めた手法比較を可能にした。
- 自動運転をレベル4へ導く統合スタック自動運転2024/4/1
様々な車両やセンサ構成に適応できるモジュール式の自動運転スタックを開発し、実環境での乗客輸送を含む実証実験を行った。
- CoCar NextGen:コネクテッド自動運転研究のための多目的プラットフォーム自動運転2024/4/1
自動運転研究向けに、冗長な次世代センサーを備え、公道走行も可能なモジュール式の多目的テスト車両プラットフォームを設計・構築した。
- 群知能で自律走行を駆動:粒子群最適化に基づく動作計画アプローチ動作計画2024/4/1
粒子群最適化(PSO)を核とした動作計画パイプラインを提案し、車両や環境に依存しないモジュール設計と並列計算による高速計画を実現。自動運転シャトルで3,500km以上の安全な自律走行を達成した。
- シーン外挿:インタラクティブな交通シナリオの生成自動運転シミュレーション2024/4/1
交通シーンをシードとして、ルールベースと機械学習の行動モデルで様々な挙動をシミュレートし、重要度指標で評価することで、自動運転機能の検証に有用なシナリオを生成する手法を提案した。
- 状況に応じた交通ルール例外を学習する情報付き強化学習自動運転/強化学習2024/2/1
構造化されたルールブックを知識源として組み込み、状況認識型の報酬設計で動的な報酬を与えることで、交通ルールの例外が必要な複雑な運転シナリオを強化学習エージェントに学習させる手法を提案した。
- 自動運転車の死角推定:ランダム参照センサーを用いたシナリオベースシミュレーション自動運転・センサー配置2024/2/1
高忠実度3Dシミュレーションとモンテカルロ法による参照センサーを用いて、自動運転車のセンサー配置の死角を推定する手法を提案した。
- 局所地図文脈と社会的相互作用を活用した異種グラフベース軌道予測軌道予測2023/11/1
交通エージェント間の関係を意味的シーングラフでモデル化し、エージェント中心の画像ベース地図特徴とアンカーパスを組み合わせて、マルチモーダルな軌道予測精度を向上させた研究。
- MUVO: 幾何学的表現を用いた自動運転のためのマルチモーダル生成ワールドモデル自動運転2023/11/1
カメラとLiDARを統合し、3D占有予測も行うマルチモーダルワールドモデルMUVOを提案し、センサ融合戦略の効果を実験的に評価した。
- 自家用車を自動運転シャトルに置き換える影響:エージェントベースアプローチ自動運転・交通シミュレーション2023/11/1
エージェントベースシミュレーションを用いて、特定エリアで自家用車を共有自動運転シャトルに置き換えた場合の2050年の旅行需要と環境影響を分析し、ライフサイクル排出量とエネルギー消費の削減効果を明らかにした。
- KI-PMF: 知識統合による妥当な運動予測軌道予測2023/10/1
車両の運動学的制約と走行環境の幾何情報を知識事前分布としてネットワークに組み込み、物理法則に反する予測を防ぐ軌道予測手法を提案した。
- 軌道予測のための条件付きアンセンテッドオートエンコーダ軌道予測2023/10/1
自動運転の軌道予測において、CVAEのサンプリング手法をアンセンテッドサンプリングに置き換え、ガウス混合潜在空間や新しい推論法を導入することで、INTERACTIONデータセットで最先端性能を達成した。
- ハイブリッド軌道予測モデルを用いた高インタラクティブ交通シナリオの認識軌道予測2023/9/1
画像ベース(CNN)とグラフベース(GNN)を組み合わせた模倣学習による軌道予測モデルを構築し、ソーシャル情報を扱うサブネットワークの活性度を交通シーンのインタラクティブ性の指標として提案した。
- 畳み込みニューラルネットワークによる信号機認識:サーベイ認識/自動運転2023/9/1
CNNを用いた信号機認識手法を、データセットとアーキテクチャの観点から体系的に調査し、3つの主要グループに分類して研究動向と課題を整理したサーベイ論文。
- 実世界の異常分類に向けた潜在空間クラスタの条件付け異常検知2023/9/1
変分オートエンコーダの潜在空間を条件付けし、都市景観の高解像度カメラ画像から正常・異常を分類する手法を提案。小さな異常に対応するため不一致マップを追加入力し、高品質な再構成を保ちつつ潜在表現を分離。
- 自動運転の異常検知におけるワールドモデルの可能性を探る自動運転/異常検知2023/8/1
自動運転の異常検知にワールドモデルを活用する方法を概観し、その構成要素を従来の異常検知研究と関連付けて整理したサーベイ論文。
- 自己教師あり学習で多段階と一括の軌道予測のギャップを埋める軌道予測2023/6/1
将来の軌道を複数セグメントに分けて連鎖させ、中間セグメントからの追加予測や潜在文脈の想像・過去予測を自己教師ありで行う予測器を提案し、INTERACTIONデータセットで競争力のある精度を達成した。
- 自動運転のシナリオベーステストにおけるオントロジーの包括的レビュー自動運転検証2023/4/1
自動運転の検証・妥当性確認に用いられるシナリオベーステスト向けの代表的なオントロジーを整理し、静的・動的側面の詳細度や重要エンティティクラスと関係の有無で分類・評価したレビュー論文。
- 逆普遍交通品質:混雑都市交通シーンにおける危険度指標交通危険度評価2023/4/1
都市交通の混雑シーンにおいて、特定の敵対車両や車両配置に依存せずに危険度を評価する指標「逆普遍交通品質」を提案し、既存の危険度指標と比較評価した。
- 自動運転における異常検知のための知覚データセット:サーベイ異常検知データセット2023/2/1
自動運転の知覚システム向け異常検知データセットを、実世界の異常・実世界に合成異常を付加したもの・完全合成シーンの3種に分類し、タスクや正解情報、ライセンスなどを体系的に比較・整理したサーベイ。
- 影響力・注目度・波及効果:自動運転データセットの早期評価データセット評価2023/1/1
自動運転分野の200以上のデータセットを科学計量学的に分析し、メタデータと被引用数の関係を回帰分析で調べ、引用実績がなくても早期にデータセットの影響力を評価できる「Influence Score」を提案した論文。
- 交通シーンの指紋:汎用的で独立したシーン評価手法自動運転評価2022/11/1
自動運転の安全性評価に向け、従来の指標を基にシーン種別に依存せず評価できる多次元評価モデルと、汎用指標として使える2つの新評価手法を提案し、実走行データで検証した。
- グラフ表現を用いた交通シーンの自己教師ありクラスタリングシーン理解2022/11/1
交通シーンを意味的シーングラフで表現し、Siameseネットワークで低次元埋め込みに写像して自己教師ありクラスタリングを行う手法を提案した。
- 車載LiDAR知覚のための点群深層学習表現の分析点群処理2022/10/1
LiDAR点群のニューラルネット表現を分類し、計算効率・メモリ・意味分割性能の関係を分析した。
- すべてを統べるオントロジー:自動運転のためのコーナーケースシナリオ自動運転シミュレーション2022/9/1
自動運転の長尾問題に対処するため、コーナーケースシナリオを記述するマスターオントロジーを提案し、そこからOpenSCENARIO形式を自動生成してシミュレーションで実行可能にした。
- 動的最長共通部分列による経路共有適合性の高速評価経路計画2022/7/1
自動運転車の相乗り可否を判定するため、2つの経路の共通部分を動的に抽出するDLCSSアルゴリズムを提案し、車両台数の見積もりにも応用できることを示した。
- 自動運転システムの都市シナリオ開発・テストのための新シナリオ探索へのシナリオ探索適用自動運転テスト2022/5/1
ベイズ最適化とガウス過程を用いて、都市交差点シナリオの論理シナリオ内で関連性・興味深さ・危険性の高いパラメータセットを探索し、6つの評価指標を比較した。
- 自動運転のための道路未知物体のマルチモーダル検出自動運転知覚2022/5/1
LiDARとカメラを組み合わせて既知クラスに属さない未知物体を検出するパイプラインを提案し、Waymoデータセットで評価した。
- 自動運転における異常検知:サーベイ異常検知2022/4/1
自動運転の異常検知技術をカメラ・LiDAR・レーダー・マルチモーダル・抽象物体レベルで体系的に整理し、現状と研究課題をまとめたサーベイ。
- 不確実環境におけるモンテカルロ木探索とリスク指標を用いた協調軌道計画軌道計画2022/3/1
自動運転車の協調軌道計画において、センサ精度の限界による環境状態の不確実性をPOMDPとして扱い、ルート信念状態からサンプリングした開始状態でMCTSを構築し、カーネル回帰でリターン分布を集約した上で信頼下限とCVaRの2つのリスク指標で最終選択する手法を提案し、不確実環境での安全性向上を示した。
- 交通ルールへの準拠度分布を実データから定量化自動運転2022/2/1
Waymo Open Motionデータセットを用い、人間の運転者が交通ルール(安全距離・速度制限)にどの程度従っているかの分布を推定する手法を提案した論文。
- 逆強化学習とモンテカルロ木探索による協調軌道計画のための報酬モデル学習逆強化学習2022/2/1
特徴量ベースの最大エントロピー逆強化学習とモンテカルロ木探索を組み合わせ、複数エージェントの協調的な専門家軌道から人間らしい報酬モデルを学習する手法を提案した。
- StarNet: スターグラフと暗黙的グローバル座標系自己注意による行動空間の統合予測軌道予測2021/11/1
地図をベクター化したスターグラフで表現し、マスク付き自己注意で複数エージェントの視点を統合することで、運動学的に実現可能な軌道を同時予測する手法を提案した論文。
- 自動運転システム向け遠隔人間入力システムの分類と調査遠隔操作2021/9/1
自動運転のコーナーケースを遠隔の人間が解決する技術を整理し、複雑さに基づく統一的な分類法を提案した調査論文。
- 自動運転のための自己教師あり行動空間予測自動運転予測2021/9/1
加速度と操舵角の空間で将来軌道を予測するマルチモーダル手法を提案し、自己教師ありで環境文脈特徴も同時に予測するSSP-ASPを開発、実世界データで高精度を示した。
- 自動運転におけるコーナーケース記述の課題と目標自動運転2021/9/1
自動運転のコーナーケースを機械が解釈可能な形で記述するための課題と目標を概説した拡張アブストラクト。
- 自動運転知覚システムのためのセンサデータ抽象化に向けて自動運転知覚2021/5/1
自動運転の知覚モデルが特定のセンサ構成に依存してしまう問題に対し、カメラ・LiDAR・レーダのデータを抽象化してセンサ構成間の転移性を高めるインターフェースの方向性を整理したレビュー論文。
- 学習ヒューリスティクスとモンテカルロ木探索による自動運転車の協調計画の高速化協調計画2020/2/1
自動運転車の協調計画において、学習したヒューリスティクスでモンテカルロ木探索を誘導し、有望な行動領域へ探索を絞ることで計算コストを抑えつつ良い解を得る手法を提案した。
- CNNによる自車姿勢予測を用いたサンプリングベース非ホロノミック動作計画動作計画2018/12/1
深層畳み込みニューラルネットワークで将来の自車姿勢を予測し、その予測をサンプリング分布として用いることで、複雑な自動運転環境における動作計画の収束を高速化した研究。
- 連続モンテカルロ木探索による自動運転車の分散協調計画協調計画2018/9/1
連続行動空間に対応したMCTSとDecoupled-UCTを用い、他車との暗黙的な協調を分散的に計画する自動運転手法を提案し、自己中心計画では見つけられない協調解を生成できることを示した。
- コンパクトな意味状態を用いた深層強化学習による自動運転の適応的行動生成自動運転/強化学習2018/9/1
自動運転の操縦判断を、意味的な状態表現と行動適応関数を用いた深層強化学習で学習し、再学習なしに好みの運転行動を変更できる手法を提案した。
