Peide Cai
収録論文 15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
- R-PCC: レンジ画像ベース点群圧縮のベースライン点群圧縮2021/9/1
LiDAR点群をレンジ画像化して小領域に分割し、量子化モジュールで再構成誤差を制御しながら圧縮する手法を提案。下流タスクに影響せず30倍の圧縮率を達成。
- Carl-Lead: 対照的深層強化学習によるLiDARベースのエンドツーエンド自動運転自動運転/強化学習2021/9/1
LiDAR入力を用いたエンドツーエンド強化学習運転ポリシーを、教師なし対照表現学習を補助タスクとしてサンプル効率を高めて学習し、不規則交差点での安全性・効率・汎化性能を向上させた研究。
- 深層Q学習とグラフ注意ネットワークによる安全で効率的な自動運転自動運転/強化学習2021/8/1
グラフ注意ネットワークで周囲との相互作用を暗黙的にモデル化し、深層Q学習でend-to-endに訓練することで、多様な交通シナリオで安全と効率を両立する自動運転手法DQ-GATを提案した。
- SNE-RoadSeg+:自由空間検出のための深度-法線変換と深層監督の再考自動運転知覚2021/7/1
表面法線推定モジュールSNE+と深層監督を用いたデータ融合CNN RoadSeg+により、精度と効率のトレードオフを大幅に改善し、リアルタイムで走行可能な自由空間検出を実現した論文。
- 視覚に基づく深層模倣強化学習による自動運転レース自動運転/強化学習2021/7/1
模倣学習とモデルベース強化学習を組み合わせ、視覚入力のみでアジャイルな自動運転レースを実現する手法を提案し、シミュレーションと実機の小型RCカーで有効性を示した。
- オプティカルフロー蒸留を用いた自動運転のためのEnd-to-End対話型予測・計画自動運転/予測計画2021/4/1
周囲画像と地図から鳥瞰図特徴を生成し、他車両との相互作用を考慮した予測と計画を統合的に行うニューラルモーションプランナーを提案。オプティカルフロー蒸留でリアルタイム性を保ちつつ精度を向上させた。
- オプティカルフロー蒸留を用いた解釈可能な視覚ベースの自動運転運動計画自動運転/運動計画2021/4/1
過去の周囲画像から将来の自己中心的なセマンティックマップを予測し、それを用いて軌道計画を行う解釈可能な自動運転手法を提案。オプティカルフロー蒸留で性能を高めつつリアルタイム性を維持し、nuScenesと閉ループシミュレーションで高い成功率を示した。
- PVStereo:ピラミッド投票モジュールによる自己教師ありステレオマッチングステレオマッチング2021/3/1
ピラミッド投票モジュールで信頼できる準密な視差画像を生成し、それを教師信号として再帰型ネットワークOptStereoを自己教師あり学習させるステレオマッチング手法を提案した論文。
- ホモグラフィ行列を活用したステレオ画像からの走行可能領域検出のデータ拡張自動運転/セグメンテーション2020/12/1
異なる視点の画像間で走行可能領域をホモグラフィ行列で対応付け、参照視点に変換することで訓練データを拡張し、DCNNによる走行可能領域検出の精度を向上させた論文。
- DiGNet:グラフニューラルネットワークで汎用交通シナリオに対応するスケーラブルな自動運転ポリシーの学習自動運転/グラフニューラルネットワーク2020/11/1
グラフベースの深層ネットワークで多様な交通シナリオに対応する自動運転ポリシーを学習し、高忠実度シミュレータで7000km以上の評価を行い都市・田舎・高速道路で安全に走行できることを示した論文。
- 表面法線情報を活用した自由空間検出のためのセマンティックセグメンテーションセグメンテーション2020/8/1
深度画像から表面法線を推定するSNEモジュールと、RGB画像と法線情報を融合するCNN(RoadSeg)を提案し、大規模合成データセットR2Dで高精度な自由空間検出を実現した。
- マルチモーダルセンサ融合による複雑動的環境での確率的エンドツーエンド車両ナビゲーション自動運転/マルチモーダル融合2020/5/1
カメラ・LiDAR・レーダーを融合し、将来の不確実性を考慮した確率的な模倣学習ベースの自動運転制御モデルを提案し、多様な環境・動的障害物を含む新ベンチマークで高い汎化性能を示した。
- COVID-19パンデミックにおける自律走行車Herculesの役割:非接触物品輸送のための自動物流車両自動運転2020/4/1
COVID-19感染拡大防止のため、非接触で物品を配送する自律走行物流車両Herculesを開発し、実環境の配送タスクで評価した論文。
- VTGNet: 都市環境における自動運転向け視覚ベース軌道生成ネットワークEnd-to-End自動運転2020/4/1
前方カメラ画像から時空間特徴を抽出し、不確実性を考慮して将来の衝突回避軌道を生成する模倣学習ベースのEnd-to-End自動運転手法を提案した。
- 深層強化学習による高速自律ドリフト制御強化学習/自動運転2020/1/1
運動方程式を使わずモデルフリー深層強化学習(SAC)でドリフト制御器を構築し、未知のコースや車両特性でも安定して高速ドリフトを実現した。
