Niklas Hanselmann

収録論文 6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

• エンドツーエンド運転プランナーにおけるスケーラブルで堅牢な学習に重要な要素とは？
  自動運転2026/3/1

  エンドツーエンド自動運転の一般的なアーキテクチャパターンを閉ループ性能の観点から再検討し、新たな軽量アーキテクチャBevADを提案して高い成功率とデータスケーリング特性を実証した。

• EMPERROR: 自動運転プランナーを検証するための柔軟な生成的知覚誤差モデル
  自動運転2024/11/1

  Transformerベースの生成的知覚誤差モデルを提案し、模倣学習ベースの自動運転プランナーをストレステストして、衝突率を最大85%増加させる現実的なノイズ入力を生成できることを示した。

• PowerBEV: 鳥瞰図におけるインスタンス予測のための強力かつ軽量なフレームワーク
  鳥瞰図インスタンス予測2023/6/1

  自動運転向けに、周囲カメラから鳥瞰図で将来のインスタンスを予測する軽量な並列マルチスケールCNNフレームワークを提案し、セグメンテーションと求心後方フローのみで高精度を達成した。

• S.T.A.R.-Track: 適応的時空間外観表現を用いたエンドツーエンド3D物体追跡のための潜在運動モデル
  3D物体追跡2023/6/1

  Transformerベースの3D物体追跡フレームワークS.T.A.R.-Trackを提案し、潜在運動モデルで視点や照明変化に対応、nuScenesで最先端性能を達成した。

• KING: 運動学勾配を用いたロバスト模倣のための安全クリティカルな運転シナリオ生成
  自動運転シミュレーション2022/4/1

  CARLAシミュレータで運動学自転車モデルを代理として勾配を計算し、背景交通の軌跡を敵対的に最適化することで安全クリティカルな運転シナリオを生成する手法KINGを提案。生成シナリオで専門家データを収集し模倣学習を微調整すると衝突回避性能とロバスト性が向上することを示した。

• 可視性ガイド付きNMS：混雑交通シーンにおけるアモーダル物体検出の効率的な改善
  物体検出2020/6/1

  ピクセルベースとアモーダル物体検出を組み合わせ、物体の可視性を考慮した新しいNMS（vg-NMS）を提案し、混雑・高遮蔽シーンでの検出性能を計算コストを抑えつつ向上させた。