Matthew Sivaprakasam
Carnegie Mellon University
収録論文 10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
- オフロード走行ダイナミクス学習のための空間構造を活かした知覚表現オフロード走行/ダイナミクス学習2026/10/16
予測状態周辺のBEV特徴をクエリして次状態を予測するSpatialBEVを提案し、オフロードでのダイナミクス予測誤差を17.1%低減、高速走行時の横偏差も25.3%削減した。
- オフロード環境における画像ベースのアフォーダンス予測のためのグローバル走行可能性事前知識の蒸留ナビゲーション2026/7/1
衛星画像から得た長距離の走行可能経路を教師として、第一人称視点画像から走行可能性フロンティアを予測するネットワークを学習し、長距離オフロードナビゲーションの性能を向上させた。
- BETTYデータセット:完全自律走行のためのマルチモーダルデータセット自律走行データセット2025/5/1
自律レーシングカーで4年間にわたり収集された32TB超のマルチモーダルデータセットを公開し、知覚・状態推定・動力学モデリング・運動予測など完全自律スタックの学習と評価を可能にした。
- SALON: オフロード走行のための自己教師あり適応学習ナビゲーション2024/12/1
人間の入力なしにオンラインで経験から素早く適応し、リスクを考慮した走行可能性マップを生成する知覚・行動フレームワークを提案。100〜1000倍のデータで学習した手法に匹敵する性能を実現した。
- 自律レース車両のための高速でモジュール式な自律走行ソフトウェア自律走行2024/8/1
Indy Autonomous Challenge 向けに、エージェント検出・運動計画・制御をモジュール化した高速な自律走行スタックを開発し、単一・複数エージェント環境での性能を評価した。
- 自己教師あり高解像度オフロードマッピングのための深層ベイズ未来融合オフロードマッピング2024/3/1
スパースなステレオ・LiDAR深度データからベイズフィルタリングと知覚損失を組み合わせ、30m先まで2cm解像度の高精細オフロード地図を生成する手法を提案。
- TartanDrive 2.0:オフロード走行の自己教師あり学習研究を加速するマルチモーダル大規模データセットオフロード自律走行/自己教師あり学習2024/2/1
オフロード走行の自己教師あり学習向けに、LiDAR3基を追加した7時間の大規模データセットと、収集・処理・クエリ用のツール群を公開した。
- PIAug:物理情報に基づくデータ拡張によるオフロード走行の車両ダイナミクス学習sim2real2023/11/1
低速データしかない状況で、物理モデルを用いて中・高速域のデータを生成し、物理に基づく損失関数と組み合わせてニューラルネットワークを学習させることで、オフロード車両の高速・アグレッシブな挙動予測精度を向上させた研究。
- 逆強化学習によるリスク認識型コストマップの学習:オフロードナビゲーションへの応用オフロードナビゲーション2023/2/1
逆強化学習と並列モデル予測制御を組み合わせ、不確実性を考慮した深層コスト関数を効率的に学習する手法を提案し、オフロード走行で専門家経路の再現性と介入削減を実証した。
- オフロード走行のダイナミクス学習のための大規模データセットTartanDriveオフロード走行/データセット2022/5/1
多様な地形で7種類のセンサを用いて約20万回のオフロード走行データを収集し、モデルベース強化学習手法のベンチマークを行った大規模データセット論文。
