Kashyap Chitta
ETH Zurich
収録論文 27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
- 終点制約付き軌道最適化によるエンドツーエンド運転モデルの誘導自動運転2026/9/25
エンドツーエンド運転ポリシーの出力軌道を、予測終点を保ちながら走行履歴に基づいて中間ウェイポイントを再整形する軽量後処理ECOを提案し、閉ループ性能を改善した。
- OPTED: レンダリング不要な教師によるEnd-to-End自動運転のオンポリシー微調整自動運転/End-to-End2026/9/17
強化学習で訓練した特権教師がベクトル入力から生徒モデルを閉ループで指導することで、シミュレータ操作を大幅に削減しつつEnd-to-End自動運転ポリシーを微調整する手法を提案。
- Valdi: 価値拡散ワールドモデルワールドモデル2026/7/1
拡散モデルを用いた不確実な未来予測と、オンラインMPCのための高速な潜在計画を両立するワールドモデルを提案。CarRacing環境での予備実験により、単一拡散ステップで決定論的MLPベースラインに匹敵する性能を示した。
- DriveJudge: 視覚言語モデルによる自動運転評価の再考自動運転評価2026/6/1
自動運転の評価を、ルールベースの物理的根拠と視覚言語モデルの文脈理解を組み合わせたエージェントDriveJudgeを提案し、大規模データセットで人間の判断と高い一致を示した。
- ワールドエンジン:自動運転におけるポストトレーニング時代に向けて自動運転2026/6/1
実世界のログから高忠実度のインタラクティブ環境を再構築し、安全上重要な長尾シナリオを合成的に生成して、事前学習済みの自動運転モデルを強化学習でポストトレーニングする枠組みを提案。これにより、実世界のリスクを回避しつつ安全性を向上させる。
- 123D: 大規模マルチモーダル自動運転データの統合自動運転データ統合2026/5/1
自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。
- 効率的かつ転移可能な制御学習のためのダイナミクス蒸留自動運転/強化学習/sim2real2026/5/1
高忠実度シミュレータのダイナミクスを並列化可能な学習モデルに蒸留し、その中で強化学習を行って元のシミュレータへ展開するSim2Sim2Simフレームワークを提案した。
- 潜在連鎖推論によるエンドツーエンド運転の世界モデリング自動運転VLA2025/12/1
運転行動の推論を自然言語ではなく、行動と整合した潜在空間で行うLCDriveを提案し、推論速度・軌道品質・強化学習の効果を向上させた。
- LEAD: エンドツーエンド運転における学習者と専門家の非対称性の最小化自動運転/模倣学習2025/12/1
自動運転の模倣学習において、特権的な専門家デモとセンサベースの学生観測の不一致を分析し、そのギャップを埋める介入によりCARLAベンチマークで最先端性能を達成した研究。
- 俊敏性と安定性の融合:異種データによる汎用人型ロボット制御人型ロボット制御2025/11/1
人間のモーションキャプチャと物理的に生成したバランス動作という異種データを組み合わせ、単一のポリシーで俊敏な動きと極限のバランス維持を両立させる人型ロボット制御フレームワークAMSを提案。
- ReSim: 自動運転のための信頼性の高い世界シミュレーションsim2real2025/6/1
実世界の運転データにシミュレータ由来の非専門家データを加え、危険な行動も含む多様な運転シナリオを制御可能に生成する世界モデルを構築し、報酬推定モジュールと組み合わせて政策評価性能を向上させた。
- 自動運転のための疑似シミュレーション評価自動運転評価2025/6/1
3Dガウススプラッティングで生成した合成観測を実データに付加し、閉ループに近い相関で自動運転を評価する疑似シミュレーション手法を提案。
- CaRL: 単純な報酬でスケーラブルな計画ポリシーを学習する自動運転/強化学習/計画2025/4/1
自動運転の計画タスクにおいて、経路完了という単一の直感的な報酬を主に最適化する新しい報酬設計を提案し、PPOを大規模ミニバッチで効率的にスケールさせることで、CARLAとnuPlanで優れた性能を達成した。
- Centaur: テスト時訓練による堅牢なエンドツーエンド自動運転自動運転2025/3/1
テスト時訓練でプランナーの不確実性を最小化し、手設計のルールやコスト関数に頼らずに自動運転の安全性を向上させる手法を提案。
- エンドツーエンド自動運転データセットに潜むバイアス自動運転2024/12/1
CARLA Leaderboard 2.0向けのエンドツーエンド自動運転において、アーキテクチャではなく訓練データセットを体系的に分析し、専門家の運転スタイルやフレーム選択基準の重要性を明らかにした。
- NAVSIM: データ駆動型非反応的自動運転シミュレーションとベンチマーク自動運転ベンチマーク2024/6/1
大規模データセットと非反応的シミュレータを組み合わせ、実世界に近い大規模ベンチマークを可能にする評価手法NAVSIMを提案。CVPR 2024コンペで143チームが参加し、新たな知見を得た。
- SLEDGE: 生成モデルとルールベース交通流による走行環境の合成自動運転シミュレーション2024/3/1
実走行ログから学習した生成モデルでエージェントと車線グラフを生成し、ルールベース交通シミュレーションと組み合わせて大規模な走行環境を合成するシミュレータを提案。
- 自動運転における3D物体検出のオフライン評価について自動運転/3D物体検出2023/8/1
自動運転スタックに16の物体検出モデルを統合し、オフライン検出指標が実際の運転性能をどれだけ予測できるかをCARLAシミュレータで検証した。
- 学習ベース車両運動計画に関する誤解との決別自動運転計画2023/6/1
nuPlanベンチマークを分析し、短期計画と長期予測は本質的に別問題であることを示した上で、センターライン選択と単純なルールベース手法を組み合わせた極めてシンプルな計画器を提案し、nuPlan 2023チャレンジで優勝した。
- エンドツーエンド自動運転:課題とフロンティア自動運転2023/6/1
270以上の論文を調査し、エンドツーエンド自動運転の動機、方法論、課題、将来動向を包括的に分析したサーベイ。
- エンドツーエンド自動運転モデルに潜むバイアス自動運転2023/6/1
CARLA上のエンドツーエンド自動運転モデルに共通する2つのバイアス(目標点追従への強い帰納バイアスとマルチモーダル経路予測の縦方向平均化)を特定し、その欠点を分析して代替手法を提案。これによりLongest6とLAVベンチマークで首位となるTF++を開発した。
- PlanT: 物体レベル表現による説明可能な計画Transformer自動運転計画2022/10/1
自動運転の経路計画において、物体レベルのコンパクトな入力表現とTransformerを用いるPlanTを提案し、CARLAベンチマークで高性能かつ高速な計画を実現した。
- TransFuser:トランスフォーマーによるセンサフュージョンを用いた自動運転のための模倣学習自動運転/センサフュージョン2022/5/1
画像とLiDARの特徴を自己注意機構で複数解像度で融合するTransFuserを提案し、CARLAベンチマークで従来手法を大きく上回る運転性能と衝突削減を達成した。
- KING: 運動学勾配を用いたロバスト模倣のための安全クリティカルな運転シナリオ生成自動運転シミュレーション2022/4/1
CARLAシミュレータで運動学自転車モデルを代理として勾配を計算し、背景交通の軌跡を敵対的に最適化することで安全クリティカルな運転シナリオを生成する手法KINGを提案。生成シナリオで専門家データを収集し模倣学習を微調整すると衝突回避性能とロバスト性が向上することを示した。
- NEAT: エンドツーエンド自動運転のためのニューラルアテンションフィールド自動運転/End-to-End2021/9/1
BEV座標をウェイポイントとセマンティクスに写像する連続関数として注意マップを介して画像特徴を圧縮し、悪環境下でも専門家並みの運転性能と解釈性を実現した。
- マルチモーダル融合トランスフォーマによるEnd-to-End自動運転End-to-End自動運転2021/4/1
画像とLiDARの表現をアテンションで統合するTransFuserを提案し、複雑な市街地シナリオで衝突を76%削減する最先端の運転性能を達成した。
- 自動運転のためのラベル効率の良い視覚抽象化自動運転2020/5/1
セグメンテーション注釈コストを削減しても行動クローニング型自動運転エージェントの性能を維持できるか分析し、注釈を大幅に減らしても最先端性能が得られることを示した。
