Marcel Hallgarten
収録論文 11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
- 運転はゲーム:ベイズ反復最適応答による計画と予測の統合自動運転計画2025/12/1
自動運転の計画と予測をゲーム理論の反復最適応答ループで統合し、ベイズ信頼度推定で予測の不確実性を考慮するフレームワークBIBeRを提案。
- AGENTS-LLM: エージェント型LLMフレームワークによる難易度の高い交通シナリオの拡張生成自動運転シナリオ生成2025/7/1
自然言語指示で実走行シナリオを拡張し、自動運転評価用の難易度の高い交通シナリオを生成するLLMエージェントフレームワークを提案。
- 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。
- 振り返りによる学習:誤差フィードバックを用いた自動運転の軌道予測改善軌道予測2025/4/1
自動運転の軌道予測において、過去の予測誤差をフィードバックとして活用し、推論時に系統的誤差を修正する「振り返り」手法を提案。nuScenesとArgoverseで最大31.9%の誤差低減を達成。
- 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。
- 車両の運動計画は現実的なロングテールシナリオに汎化できるか?自動運転計画2024/4/1
稀で多様な交通シナリオを含む閉ループベンチマークinterPlanを提案し、既存の計画手法が安全に走行できないことを示すとともに、LLMとルールベースを組み合わせたハイブリッド計画手法を提案した。
- 軌道予測のための条件付きアンセンテッドオートエンコーダ軌道予測2023/10/1
自動運転の軌道予測において、CVAEのサンプリング手法をアンセンテッドサンプリングに置き換え、ガウス混合潜在空間や新しい推論法を導入することで、INTERACTIONデータセットで最先端性能を達成した。
- 深層学習自動運転における予測と計画の統合:レビュー自動運転2023/8/1
自動運転の深層学習ベース計画システムを体系的にレビューし、周辺交通の予測と自車の計画をどのように統合するかの諸原則を整理・比較したサーベイ。
- 車線中心線基準のFrenet座標で車両軌道予測の道路外れを防ぐ軌道予測2023/6/1
車両運動予測モデルの入出力を車線中心線に沿ったFrenet座標で表現する汎用ラッパーを提案し、既存モデルの性能を保ちつつ道路外れ軌道を90%以上削減した。
- 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。
- 予測から計画へ:ゴール条件付きレーングラフ走行自動運転計画2023/2/1
自動運転の運動予測モデルを、ナビゲーションゴールで条件付けすることで目標指向の計画器に変換する手法を提案し、大規模データセットで有効性を示した。
