Patrick Pérez
Kyutai
収録論文 12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
- 対話型ワールドモデルのための動画オートエンコーダ再考ワールドモデル2026/10/21
操作・ナビゲーションのワールドモデル用に、複数の時空間圧縮率を持つ因果拡散表現オートエンコーダ群CADREを構築し、圧縮の場所・量・方法が遅延と品質に与える影響を体系的に調べた研究。
- 表現オートエンコーダを用いたマルチプレイヤー対話型ワールドモデルワールドモデル2026/7/6
複数エージェントの行動を条件付けし、動的な物理環境をリアルタイムで生成する初のマルチプレイヤーワールドモデルを提案。ロケットリーグの10,000時間のゲームプレイで訓練し、5億パラメータの潜在拡散モデルが4人対戦を毎秒20フレームで生成する。
- バックドアによる軌道予測の操作軌道予測2023/12/1
自動運転の軌道予測モデルにバックドアを仕込む4種類のトリガーを検証し、良性性能を保ちつつ特定の出力を誘発できることと、その防御策を評価した。
- T-UDA: 時系列点群における時間的教師なしドメイン適応ドメイン適応2023/9/1
時系列点群の時間的一貫性とセンサ間幾何一貫性を平均教師法と組み合わせ、ラベルなし走行シーンの3Dセマンティックセグメンテーションをドメイン適応する手法を提案。
- 実世界の知覚入力を用いた運動予測:エンドツーエンド手法は競争力があるか?運動予測2023/6/1
実世界の知覚入力を用いた統一評価パイプラインを提案し、従来の予測手法とエンドツーエンド手法を初めて比較。整備されたデータから知覚ベースのデータへの移行時に大きな性能ギャップがあることを明らかにした。
- LaRa: マルチカメラBEVセマンティックセグメンテーションのための潜在表現とレイBEVセグメンテーション2022/6/1
複数カメラの画像から車両周囲のBEVセマンティックマップを生成するトランスフォーマーモデルを提案し、nuScenesで従来手法を上回る性能を示した。
- LiDARTouch:少数ビームLiDARを用いた単眼メトリック深度推定深度推定2021/9/1
単眼カメラと4ビーム程度の軽量LiDARを組み合わせ、自己教師あり学習で高密度なメトリック深度を推定するフレームワークを提案し、KITTIで最先端性能を達成した。
- 文脈認識を高める運動予測モデルCAB軌道予測2021/9/1
軌道予測モデルが現在の動きに過度に依存し意味的文脈を活用できていない問題に対し、文脈利用を促す学習手順を備えたCABを提案し、予測の時間的一貫性を測る新指標も導入した。
- 視覚ベース自動運転システムの説明可能性:レビューと課題自動運転2021/1/1
行動クローニングで学習した視覚ベース自動運転システムの説明可能性手法を、事後説明と設計段階からの解釈性の両面から体系的にレビューし、課題と今後の研究方向を示したサーベイ論文。
- マルチレベル融合による運転行動の説明生成自動運転2020/12/1
軌道予測モデルの判断根拠を高レベルな運転説明として生成する深層学習手法BEEFを提案し、HDDとBDD-Xデータセットで有効性を示した論文。
- VRUNet:脆弱な道路利用者の意図予測のためのマルチタスク学習モデル意図予測2020/7/1
歩行者や自転車などの脆弱な道路利用者の行動・横断意図・将来経路を、動画から2D姿勢特徴とシーン文脈を用いてマルチタスクで予測するモデルを提案し、JAADデータセットで最先端性能を示した。
- 自動運転のための深層強化学習サーベイ自動運転2020/2/1
自動運転タスクに深層強化学習を適用した研究を分類し、実世界展開の課題やシミュレータの役割、検証手法を整理したサーベイ。
