Madhur Behl
収録論文 17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
- DBF-MA: マルチエージェント自律レースの追い抜きのための微分ベイズフィルタリングプランナーマルチエージェント自律レース2025/9/1
微分ベイズフィルタリングを拡張し、複合ベジェ曲線空間でのベイズ推論として衝突回避軌道を生成する手法を提案。自律レースの追い抜きで87%の成功率を達成。
- ガウス・ルジャンドル求積と非斉次ポアソン過程による確率的衝突リスク推定リスク推定/モーションプランニング2025/7/1
高速自動運転レースの追い抜き場面で、ガウス・ルジャンドル求積と非斉次ポアソン過程を組み合わせて衝突リスクを高精度・リアルタイムに推定する手法を提案し、F1シミュレーションで既存手法より大幅に誤差を削減した。
- HALO: 高速自律レースのための耐故障安全アーキテクチャ安全設計2025/3/1
Indy Autonomous Challengeで実装された、知覚・計画・制御・通信の故障を監視・緩和する安全アーキテクチャHALOを提案し、実車データで有効性を示した。
- 軌道から行動へのパイプライン(TAP):自動運転車の挙動比較のためのシナリオ記述自動抽出自動運転2025/2/1
大規模な軌道データセットからシナリオ記述言語(SDL)ラベルを自動抽出するTAPを提案し、Waymo Open Motion Datasetで従来手法より高精度に類似挙動を識別できることを示した。
- DKMGP: 自動運転レースにおけるマルチタスク・マルチステップ車両ダイナミクスモデリングのためのガウス過程アプローチ車両ダイナミクス/ガウス過程2024/11/1
深層カーネル学習を組み込んだ変分マルチタスク・マルチステップガウス過程モデルを提案し、適応補正ホライズンアルゴリズムで高速走行時の車両ダイナミクスを高精度かつリアルタイムに予測する。
- CRASH: 強化学習による敵対的シナリオ生成と安全性強化敵対的強化学習/自動運転シミュレーション2024/11/1
自動運転車の安全性検証のため、強化学習で敵対的なNPCエージェントを制御し衝突を誘発するフレームワークCRASHを提案。さらに失敗事例を活用してプランナを反復改善する「安全性強化」手法を導入し、衝突率を26%削減した。
- ARGOS: オートマトン参照誘導による一対一自律レースの追い越しシステム群制御2024/1/1
一対一の自律レースにおいて、追い越しと防御の複雑な操作をオートマトンネットワークで逐次・時間的なサブ操作に分解して管理・監督するARGOSフレームワークを提案し、モデル検査とシミュレーションで有効性を示した。
- Deep Dynamics:物理制約付きニューラルネットワークによる自動運転レース車両の車両ダイナミクスモデリングsim2real2023/12/1
物理係数推定と運動方程式を組み合わせた物理制約付きニューラルネットワークで、高速域の車両状態を高精度に予測する手法を提案し、実車データで有効性を示した。
- ガウス過程による自動運転レースの車両ダイナミクスモデリングsim2real2023/6/1
F1TENTHレース車両の動的・拡張運動学モデルを構築し、カーネル選択やサンプル数、コース形状などがガウス過程回帰の精度と汎化性に与える影響を400以上の実コースシミュレーションで分析した。
- RACECAR:高速自律走行レース用データセット自律走行レース2023/6/1
インディ自律走行チャレンジの6チームが協力し、最高273km/hで走行する自律レースカーのマルチモーダルセンサデータを11シナリオ・6.5時間分収集し、ROS2とnuScenes形式で公開したデータセット。
- 自律システムを実践的に教える:ロボティクス教育におけるモジュール式小型ハードウェアの活用教育・自律走行2022/9/1
小型自律走行車F1TENTHを教材として、講義と競技を通じて自動運転アルゴリズムを実践的に学ぶ教育モジュールを開発し、複数大学での授業実践と学生評価からその有効性を示した論文。
- これが道だ:アジャイル軌道生成のための微分ベイズフィルタリング軌道生成2022/7/1
ベイズ推論に基づく確率的ベジェ曲線を用いて自律レースの軌道を生成する微分ベイズフィルタリングを提案し、DeepRacing環境で最速ラップタイムを達成した。
- 限界走行に挑む自動運転:自動運転レースのサーベイ自動運転レース2022/2/1
自動運転レース分野の知覚・計画・制御・end-to-end学習の手法とプラットフォームを初めて包括的に整理し、今後の課題をまとめたサーベイ。
- 自律レーシング向け適応型ルックアヘッド純追従制御制御/自律走行2021/11/1
参照軌道上の各ウェイポイントに貪欲法で最適なルックアヘッド距離を割り当てる適応型純追従横制御を提案し、ROSシミュレータとF1/10実機でラップタイム等の競技指標を約20%改善した。
- DeepRacing: 自動運転レースのためのパラメータ化軌道自動運転レース2020/5/1
F1ゲームをシミュレータとして使うオープンソースの自動運転レース用テストベッドを構築し、軌道をパラメータ表現で予測する新手法が直接操作予測より優れることを示した。
- 強化学習による自動運転車の安全性カバレッジとテストの自動化に向けて自動運転テスト2020/5/1
強化学習を用いて自動運転車の失敗事例や予期せぬ交通状況を生成し、従来は事実上不可能だった膨大なシナリオ変種の安全性テストを効率化する手法を提案した論文。
- F1/10:オープンソースの自律サイバーフィジカル実験プラットフォーム自動運転/テストベッド2019/1/1
フルスケールの自動運転車に近いセンサ・認識・計画・制御・通信スタックを備えた、安価で高性能な1/10スケールのオープンソース自律走行車テストベッドを提案し、研究と教育への活用例を示した。
