Ostap Okhrin
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
- MTA-RL: マルチモーダルトランスフォーマーによる3Dアフォーダンスと強化学習を用いた堅牢な都市運転自動運転/強化学習2026/5/1
RGB画像とLiDAR点群をトランスフォーマーで融合し、幾何学的な3Dアフォーダンスを予測して強化学習の観測空間とすることで、解釈可能でサンプル効率の高い都市自動運転を実現した。CARLAシミュレーションでゼロショット汎化性能が向上することを示した。
- 都市運転における希少リスク制御のための倫理考慮型安全強化学習安全強化学習2025/8/1
衝突確率と危害の重大さを組み合わせた倫理的リスクコストで安全強化学習エージェントを訓練し、希少な高リスク事象から効率的に学ぶ優先経験再生と階層的制御で、歩行者や自転車などの弱い道路利用者を守る運転を実現した。
- 小型自律走行車の最新動向:サーベイ自律走行2024/4/1
本論文は、教育・研究用の小型自律走行車プラットフォームを分類し、それらを用いた研究開発の進展を概観するとともに、今後の有望な方向性を提案するサーベイである。
- 二段階動的障害物回避障害物回避2023/11/1
RNNで障害物の衝突リスクを推定し、その推定値を強化学習エージェントの観測に組み込む二段階構成により、動的障害物回避の性能を向上させる手法を提案した論文。
- Sim2Real転移を備えた視覚ベース深層強化学習自動運転エージェント自動運転/Sim2Real2023/5/1
視覚入力のみで車線維持と車間距離維持を同時に行う深層強化学習エージェントを提案し、シミュレーションから実車への転移性能を実証した。
- 自動運転に向けた効果的なSim2Real転移を実現するプラットフォーム非依存の深層強化学習フレームワークsim2real2023/4/1
プラットフォーム依存の知覚モジュールでタスク関連情報を抽出し、車線追従・追い越しエージェントをシミュレーションで訓練することで、異なるシミュレーション環境や実世界への転移を容易にするDRLフレームワークを提案した。
- ブートストラップ強化学習による河川上のロバストな経路追従強化学習/ナビゲーション2023/3/1
内陸水路を航行する自律表面艇の舵制御にブートストラップQ学習を適用し、ライン川の実データでPID制御より高い汎化性能と航法精度を示した。
- 衝突リスク評価による強化学習ベースの動的障害物回避の改良手法強化学習/障害物回避2022/12/1
短い訓練エピソードと障害物数・衝突リスク指標で難易度を制御する訓練環境を提案し、高リスク場面を重点的に学習させることで移動ロボットや船舶の障害物回避性能を大幅に向上させた。
- 自律航行船のための時空間リカレント強化学習ナビゲーション2022/11/1
周囲の船舶数を問わず部分観測に頑健な時空間リカレントQネットワークを提案し、COLREGに基づく報酬設計で自律船の衝突回避経路計画を実現した。
- 実世界の人間運転経験を取り込んだ改良DDPG車両追従モデル自動運転/強化学習2021/12/1
実世界の人間の運転経験を2段階DRLで活用し、CARLA上で車両追従エージェントを訓練して純粋なDRLより優れた性能を実現した研究。
- 深層強化学習による車間追従モデルの定式化と検証交通モデリング2021/9/1
報酬関数を最大化するよう深層強化学習で車間追従モデルを学習し、IDMより高い適合度と安定性を示した。
