Maximilian Igl
NVIDIA
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
- CtrlWAM: 意図と予見を整合させた制御可能なワールドアクションモデルVLA2026/10/1
摂動させた行動をシミュレータで実行し、その視覚的結果と対応付けて学習することで、行動予測と映像生成の整合性を高めた制御可能なワールドアクションモデルを提案。
- OPTED: レンダリング不要な教師によるEnd-to-End自動運転のオンポリシー微調整自動運転/End-to-End2026/9/17
強化学習で訓練した特権教師がベクトル入力から生徒モデルを閉ループで指導することで、シミュレータ操作を大幅に削減しつつEnd-to-End自動運転ポリシーを微調整する手法を提案。
- 計画整合型トークン圧縮による長文脈自動運転自動運転2026/6/1
自動運転のためのモノリシックな視覚行動モデルにおいて、長期の文脈を圧縮する際に計画情報を活用するフレームワークを提案し、成功率を向上させた。
- 123D: 大規模マルチモーダル自動運転データの統合自動運転データ統合2026/5/1
自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。
- LEAD: エンドツーエンド運転における学習者と専門家の非対称性の最小化自動運転/模倣学習2025/12/1
自動運転の模倣学習において、特権的な専門家デモとセンサベースの学生観測の不一致を分析し、そのギャップを埋める介入によりCARLAベンチマークで最先端性能を達成した研究。
- RoaD: 閉ループ教師あり微調整のためのロールアウト活用による自動運転ポリシー改善自動運転2025/12/1
自動運転ポリシーの閉ループ展開時の誤差蓄積を、自身のロールアウトに専門家ガイダンスを加えて追加学習データとすることで軽減し、大規模シミュレータで衝突を54%削減した手法。
- Gen-Drive: 報酬モデリングと強化学習ファインチューニングによる拡散生成運転ポリシーの強化自動運転計画2024/10/1
拡散モデルで多様な将来シーンを生成し、VLM支援で学習した報酬モデルで評価する「生成→評価」型の自動運転計画フレームワークを提案し、強化学習で微調整することでnuPlan上での計画性能を向上させた。
- 確率的環境のための階層的模倣学習模倣学習2023/9/1
確率的環境で将来の外部要因に依存せず、エージェントの内部要因のみをタイプとして符号化するRobust Type Conditioningを提案し、分布の現実性を向上させた。
- 自律走行における状態空間モデル学習のための粒子ベーススコア推定状態推定2022/12/1
フィッシャーの恒等式を利用して粒子フィルタのスコア関数を低分散で推定し、自律走行車の実データから状態空間モデルを安定して学習する手法を提案した論文。
- Symphony: 自動運転シミュレーションのためのリアルで多様なエージェント学習自動運転シミュレーション2022/5/1
ビームサーチと識別器で方策を精錬し、階層的なゴール生成と条件付けで多様性を保ちながら、自動運転シミュレーションにおける人間の道路利用者の挙動をリアルかつ多様に学習する手法を提案した論文。
