Mohan M. Trivedi
University of California, San Diego
収録論文 8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
- doPlan: 自動運転における多段階言語条件付き計画のための可変ホライズンデータセット自動運転/言語条件付き計画2026/9/29
乗客の自然言語指示を長期的なタスク文脈として扱う自動運転データセットdoPlanを構築し、既存の言語条件付き運転モデルが指示の方向性に沿った行動をとれないことを示した。
- 自動運転経路計画における顕著性を考慮した標識分類:新規データセットによる実験的検討自動運転2021/12/1
自動運転車にとって重要な標識かどうかを示す「標識顕著性」を定義した新データセットを構築し、標識画像と車両の走行操作情報を組み合わせた畳み込みネットワークで76%の精度で予測できることを示した。
- 自動運転車が人間に運転交代を促すタイミングの実データモデリング自動運転・ヒューマンインタラクション2021/4/1
実車の自動運転中にドライバーが運転を引き継ぐまでの時間(TOT)を、複数の車内カメラ映像から連続的に予測するモデルを構築した研究。
- LaneAF: アフィニティフィールドによる堅牢な複数車線検出車線検出2021/3/1
二値セグメンテーションマスクとピクセルごとのアフィニティフィールドを予測し、行単位のデコードで車線数を固定せずに複数車線をクラスタリングする車線検出手法を提案した論文。
- TrackMPNN:動的グラフ上のメッセージパッシングによる多物体追跡多物体追跡2021/1/1
複数時刻にわたるデータ関連付けを動的无向グラフで表現し、その上でメッセージパッシング型グラフニューラルネットを動かして追跡を行う、省メモリでリアルタイムなオンライン多物体追跡手法を提案した論文。
- マルチヘッド注意とエージェント・マップ統合表現による自動運転の軌道予測軌道予測2020/5/1
静的シーンと周囲エージェントを統合表現し、マルチヘッド注意で多様な将来軌道を生成する軌道予測手法を提案。nuScenesベンチマークで最先端性能を達成。
- グリッドベース計画に条件付けられた未知環境での軌道予測軌道予測2020/1/1
最大エントロピー逆強化学習で学習したグリッド上の方策からサンプリングした計画に基づき、注意機構を用いて歩行者・車両の将来軌道を予測する手法を提案した。
- シーン誘導型マルチモーダル軌道予測:計画問題としての定式化軌道予測2019/5/1
未知のシーンにおけるエージェントのマルチモーダル軌道予測を計画問題として定式化し、目標予測・逆強化学習による経路計画・軌道生成の3モデルで予測する手法を提案した。
