Luke Rowe
収録論文 8本 ・ フィジカルAI/ロボット学習
自動運転シナリオ生成強化学習sim2real自動運転シミュレーション運動予測3D物体検出
※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
- エンドツーエンド運転のためのセルフプレイのスケーリング自動運転2026/6/1
シミュレーション内で大規模なセルフプレイを用いてエンドツーエンド運転モデルを訓練する手法を提案し、実世界への転移を可能にする。
- シナリオ制御：視覚言語で制御可能なベクトル化潜在シナリオ生成シナリオ生成2026/4/1
テキストや画像の指示に基づき、地図や動的エージェントを含む現実的な3D運転シナリオを生成する新しい手法を提案。
- 制約付きグループ相対方策最適化強化学習2026/2/1
GRPOをラグランジュ緩和で拡張し、制約違反率を直接最適化する制約付き方策学習手法を提案。アドバンテージのスカラー化で安定した制約制御を実現し、ロボティクスタスクでの成功率向上も示した。
- Poutine: 視覚-言語-軌道の事前学習と強化学習による堅牢なエンドツーエンド自動運転自動運転2025/6/1
3Bパラメータの視覚言語モデルを視覚・言語・軌道トークンで自己教師あり事前学習し、GRPOで微調整することで、長尾シナリオを含むWaymoベンチマークで最高性能を達成した。
- Scenario Dreamer: ベクトル化潜在拡散による走行シミュレーション環境の生成sim2real2025/3/1
車線グラフとエージェントの初期配置、および閉ループのエージェント挙動をデータ駆動で生成する自動運転向けシミュレータ。ベクトル化潜在拡散と自己回帰Transformerを組み合わせ、既存手法より高品質・高効率で無限に拡張可能な環境を生成する。
- CtRL-Sim: オフライン強化学習による反応的で制御可能な運転エージェント自動運転シミュレーション2024/3/1
実走行データを物理シミュレータで処理して報酬付きオフラインRLデータセットを作り、リターン条件付きマルチエージェント行動モデルを学習することで、現実的かつ制御可能な交通エージェントを生成する手法を提案。
- FJMP: 学習された有向非巡回相互作用グラフ上での因子分解型ジョイントマルチエージェント運動予測運動予測2022/11/1
マルチエージェントの運転シーンにおいて、相互作用を有向非巡回グラフとしてモデル化し、ジョイント予測を因子分解することで、より正確でシーン整合性の高い将来軌道予測を実現した。
- LiDARベース3次元物体検出のための分布外検出3D物体検出2022/9/1
LiDARベースの3次元物体検出において、訓練分布外の入力を検出する手法を提案し、KITTIデータセットで評価した。
