Jingda Wu
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
- 狭所における自律地上ナビゲーション:ICRA 2024第3回BARNチャレンジからの教訓ナビゲーション2024/7/1
ICRA 2024で開催された第3回BARNチャレンジを通じて、狭く制約の厳しい環境での自律地上ナビゲーション技術の現状を評価し、上位チームの手法と今後の課題を分析した。
- 事前学習済みTransformerと人間ガイド微調整による自動運転のエンドツーエンドナビゲーション自動運転/エンドツーエンド2024/2/1
Transformerを組み込んだ方策ネットワークを行動クローニングで事前学習し、人間の指導付き強化学習で微調整することで、自動運転のエンドツーエンド制御の安全性と汎化性能を高める手法を提案した。
- 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。
- 混合交通における協調的意思決定へのグラフ強化学習の応用:フレームワーク、サーベイ、課題群制御2022/11/1
自動運転車と人間運転車が混在する交通環境での協調的意思決定のため、グラフ強化学習フレームワークを提案し、既存手法のサーベイと比較検証を行った論文。
- 人間のデモンストレーションを活用した強化学習による自動運転車の安全な車線変更意思決定自動運転/意思決定2022/7/1
人間の運転デモをリプレイバッファに取り込み強化学習を訓練し、オフランプでの車線変更における意思決定の安全性を高めた。
- 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。
- 選好誘導型確率的探索によるサンプル効率の高い深層強化学習強化学習2022/6/1
DQNに選好ブランチを追加し、Q値の分布に沿った行動選択確率を学習することで、バイアスを導入せずに効率的な探索を実現する手法を提案した論文。
- グラフ畳み込み強化学習による混合交通環境でのマルチエージェント意思決定マルチエージェント強化学習2022/1/1
自動運転車の協調的意思決定のため、グラフニューラルネットと深層強化学習を組み合わせた複数のGRL手法を比較し、高速道路の合流シナリオで評価した研究。
- 人間の指導を活用した優先経験リプレイ強化学習による自動運転自動運転/強化学習2021/9/1
人間の指導を組み込んだ強化学習フレームワークを構築し、人間の行動を模倣するオンライン学習モデルと優先経験リプレイを組み合わせて自動運転タスクの学習効率と性能を向上させた論文。
- 不確実性を考慮したモデルベース強化学習と自動運転への応用モデルベース強化学習2021/6/1
不確実性評価付きのアンサンブル環境モデルと適応的トランケーションを組み合わせたモデルベース強化学習を提案し、自動運転の制御タスクで学習効率と性能が既存手法を上回ることを示した。
- 人間参加型深層強化学習と自動運転への応用自動運転/強化学習2021/4/1
自動運転のポリシー学習に人間のリアルタイム介入を取り入れたHug-DRLを提案し、40名の被験者実験で学習効率と性能の向上を示した。
- 模倣エキスパート事前知識を用いた効率的な深層強化学習による自動運転自動運転/強化学習2021/3/1
人間の専門家のデモンストレーションから模倣方策を導出し、KLダイバージェンス正則化で強化学習エージェントを誘導することで、サンプル効率と性能を向上させる自動運転フレームワークを提案した論文。
- 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。
- 逆強化学習と自然な人間の運転データによる運転行動モデリング逆強化学習2020/10/1
自然な人間の運転データから最大エントロピー逆強化学習を用いて個人の報酬関数を学習し、運転行動をモデル化する手法を提案した。
- シーン理解を伴うマルチモーダルセンサフュージョン深層ニューラルネットワークによるエンドツーエンド自動運転自動運転/マルチモーダル融合2020/5/1
画像と深度情報を初期段階で融合し、セマンティックセグメンテーションと車両制御を同時に出力するエンドツーエンド自動運転モデルを提案し、シミュレーションで高い成功率と汎化性能を示した。
