Jiacheng Zhu
収録論文 16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
- 初期経験によるエージェント学習言語エージェント2025/10/9
エージェント自身の行動から得られる相互作用データを報酬なしで活用し、世界モデリングと自己内省によって言語エージェントを訓練する手法を提案した。
- WoW: 身体性インタラクションを通じた世界全知モデルへの挑戦世界モデル2025/9/1
200万件のロボット操作軌道で学習した140億パラメータの生成的世界モデルを構築し、物理的因果推論を評価する新ベンチマークWoWBenchを提案した論文。
- 安全を考慮した因果表現による信頼できるオフライン強化学習(自動運転向け)オフライン強化学習2023/11/1
自動運転のオフライン強化学習において、報酬・コスト・状態・行動の因果関係を活用した構造化シナリオ表現FUSIONを提案し、未見環境でも安全性と汎化性能を向上させた。
- カメラ運動摂動に対する認証ロバスト性のためのピクセル単位スムージングロバスト性認証2023/9/1
3Dカメラ運動空間での高コストなサンプリングを避け、2Dピクセル空間でのスムージング分布を用いることで、カメラ運動摂動に対するロバスト性認証を効率化するフレームワークを提案した。
- 車間追従における相互作用:常に重要とは限らない自動運転2023/7/1
車間追従ペアの相互作用強度を定量化する新指標を提案し、相互作用の有無に応じて制御方策を切り替える枠組みを開発した。人間の運転行動を分析し、先行車への反応は常に生じるわけではないことを示した。
- オフライン安全強化学習のためのデータセットとベンチマークオフライン強化学習/安全RL2023/6/1
ロボット制御から自動運転まで38タスクにわたるオフライン安全強化学習のデータセット・環境ラッパー・ベースライン実装を提供し、大規模実験で性能を比較評価したベンチマークスイートを構築した。
- GOATS: カリキュラム強化学習による水すくいのためのゴールサンプリング適応マニピュレーション2023/3/1
流体の複雑な動力学に対応するため、位置と水量の目標分布を補間してカリキュラムを生成する強化学習手法を提案し、ロボットによる水すくいを実現した。
- 最適輸送と段階的ドメイン適応によるカリキュラム強化学習強化学習2022/10/18
強化学習のカリキュラムを、タスク分布間の最適輸送問題として定式化し、Wasserstein重心による測地線補間で段階的なタスク列を生成する手法GRADIENTを提案した論文。
- カメラ運動平滑化による視覚知覚モデルのロバスト性認証ロバスト性認証2022/10/1
カメラ運動の摂動に対する視覚知覚モデルのロバスト性を認証するため、運動平滑化技術を提案し、屋内ロボットデータセットMetaRoomで有効性を検証した。
- 時空間動的相互作用のロバストな教師なし学習教師なし学習2020/6/1
幾何学的軌道として表される時空間的な相互作用を教師なし学習で頑健に表現するため、Procrustes距離と最適輸送に基づく評価指標を導入し、学習の安定性評価やクラスタリングに応用する手法を提案した論文。
- 無限混合ガウス過程によるタスク非依存オンライン強化学習モデルベース強化学習2020/6/1
未知のタスク境界を持つ非定常環境に対応するため、ガウス過程の専門家混合をオンラインで逐次変分推論により更新するモデルベース強化学習手法を提案した。
- 車線変更シナリオにおける多車両インタラクションパターンの時空間学習交通インタラクション2020/3/1
ベイズノンパラメトリック手法(ガウス過程とディリクレ過程)を用いて、自車と周囲車両の車線変更時の相互作用パターンを時空間的に自動抽出・解釈するモデルを提案した。
- 注意機構付きリカレントニューラルプロセスによる自動運転車の確率的軌道予測軌道予測2019/10/1
周囲車両の長期系列データから対象車両の軌道分布を予測するARNPモデルを提案し、不確実性表現と精度で従来手法を上回ることを示した。
- 動画から多車両の相互作用パターンを学習する汎用フレームワーク交通行動解析2019/7/1
俯瞰視点の交通動画から、ガウス速度場と深層自己符号化器、階層ディリクレ過程付き隠れセミマルコフモデルを用いて多車両の相互作用パターン(交通プリミティブ)を抽出する枠組みを提案した。
- ガウス確率場による多車両インタラクションシナリオのモデリング交通シミュレーション2019/6/1
確率的ベクトル場とノンパラメトリックベイズ学習を用いて自然交通データから多車両の相互作用パターンを抽出し、有限次元で再現可能な形で交通シナリオを生成する手法を提案した。
- 運転スタイル分析による自動運転車の走行シナリオ危険度推定自動運転/リスク評価2019/4/1
sticky HDP-HMMを用いて運転データから運転スタイルをクラスタリングし、その緊急度を評価・順位付けすることで、走行シナリオの危険度を自動推定する枠組みを提案した。
