John Subosits

Toyota Research Institute

収録論文 12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

• シミュレーション事前分布によるモデルベース強化学習の高速適応：自動運転レースへの応用
  sim2real2026/10/19

  低・高忠実度のシミュレーション軌道で世界モデルを事前学習し、不確実性正則化プランニングで実車の少ない相互作用から高速適応する枠組みを提案し、実車レースで1時間未満の適応を実現した。

• 実世界の冬季運転シナリオにおける衝突回避のための創発的自律ドリフト
  自動運転/制御2026/7/1

  ドリフト可能な非線形モデル予測制御（MPC）を開発し、冬季の危険シナリオ（氷上での道路逸脱や対向車衝突回避）でドリフトが安全に有効であることを示した。

• 一般化CVO：二次リーマン最適化による高速・対応点不要の局所点群レジストレーション
  点群レジストレーション2026/6/1

  点群を局所形状を符号化した連続関数として表現し、対応点なしで高速に位置合わせする手法を提案。二次のリーマン最適化により従来比最大10倍の高速化を実現し、LiDARやRGB-Dの追跡精度を向上させた。

• ポントリャーギンの最大原理による予測的安全フィルタ学習のための境界サンプリング
  安全フィルタ/学習制御2026/4/1

  安全制約を守るためのフィルタ学習において、危険境界付近の軌道をポントリャーギンの最大原理で特定し、効率的にデータ収集する手法を提案。自動車レースの共有制御実験で学習効率と安全性が向上した。

• 視覚条件付き変分ベイズ最終層ダイナミクスモデル
  sim2real2026/1/1

  視覚情報を用いて環境変化を予測し、車両のダイナミクスモデルを適応させる手法を提案。水たまりのあるコースでの自動運転レースで有効性を実証した。

• 空間エンベロープMPC：参照軌道なしで高性能運転を実現
  制御/MPC2025/9/1

  参照軌道に頼らず、車両の走行可能領域全体を連続微分可能な形でモデル化し、強化学習と最適化を組み合わせたMPCで高性能自律走行を実現した研究。

• サイバーレーシングコーチ：高度な運転スキルを教える触覚共有制御フレームワーク
  触覚共有制御2025/9/1

  自動運転システムと人間が協調してステアリングを操作する触覚共有制御により、レースや緊急回避に必要な高度な運転スキルを習得させるフレームワークを提案し、支援を徐々に減らすフェーディング方式の有効性を評価した。

• 自律テストドライバーに向けて：強化学習による高性能ドライバーモデリング
  強化学習2024/12/1

  深層強化学習でレーシングカーの自律テストドライバーを訓練し、トップドライバー並みの走行で車両セットアップ評価を可能にするとともに、模倣学習を組み合わせて人間らしい運転挙動も再現できるようにした。

• まず未知を知ること：限界走行のための能動的情報収集
  制御/適応学習2024/11/1

  車両の限界走行において、ベイズメタ学習による動的モデルと能動的情報収集を組み合わせ、オンライン適応だけでは不安定な制御を安定化させるフレームワークを提案した。

• 強化学習による参照不要のフォーミュラドリフト：走行データからタイヤエネルギー着想の実世界ポリシーへ
  強化学習/車両制御2024/10/1

  走行データから学習した車両モデル上で強化学習を行い、ウェイポイントに沿って実車でドリフト走行を実現した。

• 悪条件下のレース向けリスク回避型モデル予測制御
  制御/MPC2024/10/1

  摩擦限界やタイヤパラメータの不確かさをCVaR制約で考慮し、GPU並列化で解くリスク回避型MPCを提案し、実車実験で悪路でも安定した走行を実現した。

• 2段階逐次アルゴリズムによる車両レーシング軌道の高速生成
  軌道計画2019/2/1

  縦方向の速度プロファイル計算と横方向の凸最適化による経路更新を交互に繰り返し、サーキット走行の最小時間軌道をラップトップで約30秒で生成する手法を提案し、実車で検証した。