Ke Guo
収録論文 6本 ・ フィジカルAI/ロボット学習
交通シミュレーション自動運転自動運転計画模倣学習/自動運転
※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
- DecompGAIL: 分解型マルチエージェントGAILによる現実的な交通行動の学習交通シミュレーション2025/10/1
マルチエージェントGAILの不安定性の原因である無関係な相互作用の誤誘導を特定し、現実性を自己-地図と自己-近傍に分解するDecompGAILを提案。WOMD Sim Agents 2025ベンチマークで最先端性能を達成。
- 自己認識型拡張による強化学習ベースの洗練:エンドツーエンド自動運転のための新手法自動運転2025/6/1
エンドツーエンド自動運転の模倣学習モデルを、強化学習による残差修正と自己認識型アダプタ拡張で継続的に改善する学習パイプラインR2SEを提案。難事例への適応と一般知識の保持を両立させる。
- CarPlanner: 自動運転の大規模強化学習のための一貫性のある自己回帰軌道計画自動運転計画2025/2/1
自己回帰構造と一貫性制約を組み合わせた強化学習プランナーを提案し、大規模実世界データセットnuPlanで従来のIL・ルールベース手法を上回る性能を達成した。
- FusionAD:自動運転の予測・計画タスクのためのマルチモーダル融合自動運転2023/8/1
カメラとLiDARの情報を融合し、認識だけでなく予測・計画までを統合的に行う自動運転フレームワークを提案。nuScenesで予測誤差や衝突率を大幅に改善した。
- 履歴マスク付きマルチエージェント模倣学習による長期的な微視的交通シミュレーション交通シミュレーション2023/6/1
車両の履歴情報をマスクし現在位置に摂動を加える模倣学習で、長期シミュレーションの分布ずれを抑え、実データに近い都市交通シミュレータを実現した。
- CCIL: 都市運転のための文脈条件付き模倣学習模倣学習/自動運転2023/5/1
自己車両の将来軌道を文脈状態から直接予測する模倣学習手法を提案し、自己車両情報を低減する座標系設計により都市運転の実データで従来手法を大幅に上回った。
