Lan Feng

収録論文 8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

• SkyDrive: 航空交通監視による新都市での自動運転学習
  自動運転2026/8/25

  ドローンによる交通監視映像から運転行動を学習し、新環境への自動運転プランナーの適応を効率化するフレームワークを提案した。

• 意味的に汎化可能な計画のための接地された世界モデル
  VLA/計画2026/4/1

  視覚と言語を整合させた潜在空間で世界モデルを学習し、行動の将来結果とタスク指示の類似度で行動を評価するMPC手法を提案。未見の視覚信号や指示表現を含むベンチマークで従来のVLAを大幅に上回る汎化性能を示した。

• RAP: 3Dラスタライゼーションで強化するエンドツーエンド計画
  自動運転/エンドツーエンド計画2025/10/1

  フォトリアルな描画の代わりに注釈付きプリミティブの軽量ラスタライズで走行データを拡張し、特徴空間アライメントで実環境に転移する計画手法を提案。4つの主要ベンチマークで最高性能を達成。

• SynH2R: 人間からロボットへの受け渡し学習のための手指物体動作の合成
  マニピュレーション2023/11/1

  人間の動作キャプチャデータに頼らず、受け渡しに適した手指物体動作を合成してロボット方策を訓練する手法を提案し、実機でも既存手法に匹敵する性能を示した。

• ScenarioNet：大規模交通シナリオのシミュレーションとモデリングのためのオープンソースプラットフォーム
  自動運転シミュレーション2023/6/1

  WaymoやnuScenesなど複数の運転データセットから実世界の交通シナリオを収集し、統一フォーマットでシミュレーション上に再現・対話できるオープンソース基盤を構築した。

• TrafficGen: 多様でリアルな交通シナリオを生成する学習手法
  交通シナリオ生成2022/10/1

  実世界の断片的な運転データから自己回帰生成モデルを学習し、自動運転シミュレーション用の多様でリアルな交通シナリオを生成する手法を提案。生成シナリオを強化学習の訓練環境に用いることで運転ポリシーの性能と安全性が向上することを示した。

• ポリシー解剖による人間とAIの共有制御
  人間-AI協調制御2022/6/1

  強化学習済みポリシーの中間表現を運動学的属性に合わせることで、再学習なしに人間が介入可能な制御ポリシーへ変換する手法を提案。

• MetaDrive：多様な運転シナリオを合成し汎化可能な強化学習を支援するシミュレーション基盤
  自動運転シミュレーション/強化学習2021/9/1

  手続き生成と実データ取り込みで無限に多様な運転シナリオを作れるシミュレーションプラットフォームMetaDriveを開発し、単一・マルチエージェントの汎化・安全探索・交通学習のベンチマークを構築した。