Peng Hang
収録論文 35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
- データ・戦略・プラットフォームから見るEnd-to-End自動運転トレーニングのサーベイ自動運転2026/10/1
End-to-End自動運転の学習手法とエコシステムを、データ・戦略・プラットフォームの3層タクソノミーで整理し、最近の研究動向と今後の展望をまとめたサーベイ。
- DriveHierarchy: VLM自動運転能力を開放ループ理解から閉ループ実行まで診断するベンチマークVLA2026/9/25
VLMベース自動運転を「知覚的接地・文脈記憶・心的推論・閉ループ実行」の4階層で評価する統一ベンチマークを構築し、15モデルの能力構造と開放ループ理解と閉ループ運転の関係を分析した。
- 混在交通における協調運転に向けて:適応ポテンシャルゲームに基づくアプローチと実地検証協調運転2026/4/1
自動運転車と人間運転車が混在する環境での協調運転を実現するため、適応ポテンシャルゲームに基づくフレームワークを提案し、実地試験でその有効性を検証した。
- OVPD: 実地自動運転チャレンジの仮想・物理融合テストデータセット自動運転/データセット2026/4/1
実車両をループに組み込んだ仮想・物理融合テストデータセットOVPDを公開し、自動運転アルゴリズムの閉ループ評価と故障診断を可能にする。
- 大規模言語モデルを用いた自動運転のための対話的意志決定自動運転2026/4/1
高衝突の混在交通シナリオにおいて、大規模言語モデルを用いてシーン理解と意図認識を強化し、安全かつ効率的な運転行動を生成するフレームワークを提案した。
- 評価を進化へ:自動運転のための敵対的拡散を閉ループカリキュラムに変換する自動運転/安全性評価2026/4/1
自動運転車の安全性評価を、静的データセットに依存する従来の開ループ手法から、敵対的シナリオ生成を進化的カリキュラムとして組み込んだ閉ループフレームワークE^2を提案し、衝突発見率とロバスト性を向上させた。
- VP-AutoTest: 仮想・実機融合型自動運転テストプラットフォーム自動運転テスト2025/12/1
仮想と実機の要素を組み合わせ、単車・複数車協調の敵対的テストや並列推論、多次元評価とAI診断を可能にする自動運転テストプラットフォームを提案した。
- 専門家ルーティングに基づく知識駆動型拡散ポリシーによるエンドツーエンド自動運転自動運転2025/9/1
拡散モデルとスパースな専門家混合ルーティングを組み合わせ、多様な運転シーンで適応的かつ解釈可能な行動を生成するエンドツーエンド自動運転ポリシーKDPを提案。
- CoReVLA:長尾シナリオ向けの収集と洗練による二段階エンドツーエンド自動運転フレームワーク自動運転/VLA2025/9/1
長尾シナリオでの自動運転性能を向上させるため、VLAモデルをCAVEシミュレータで収集した人間の介入データとDPOで継続学習する二段階フレームワークを提案。
- LeAD: LLM拡張計画とEnd-to-End自動運転の融合システム自動運転2025/7/1
高頻度のEnd-to-End自動運転と低頻度のLLM推論を組み合わせ、複雑な都市交通シナリオでの意思決定を改善するデュアルレートアーキテクチャを提案。CARLAで従来を上回る性能を示した。
- 対抗強度を調整可能な自動運転車のインタラクティブ敵対的テスト自動運転テスト2025/7/1
周囲車両を強化学習で知的試験官としてモデル化し、対抗強度を連続調整できる自動運転の敵対的テストフレームワークExamPPOを提案した。
- 人間中心の自動運転に向けて:大規模言語モデルによるガイダンスと強化学習を統合した高速・低速アーキテクチャ自動運転2025/5/1
LLMがユーザーの指示を解釈して高レベルなガイダンスを生成し、強化学習エージェントがリアルタイム制御を行う「高速・低速」意思決定フレームワークを提案。衝突率を低減しつつ、ユーザーの好みに沿った運転を実現する。
- OnSiteVRU: 高密度な交通弱者向け高解像度軌道データセットデータセット2025/3/1
交差点や道路区間など多様なシーンで歩行者・自転車などの交通弱者約17,429件の軌道を0.04秒精度で収集し、自動運転システムの開発や交通流モデリングを支援するデータセットを構築した。
- 車両インフラ多層協調意思決定フレームワーク協調運転2025/3/1
無信号交差点での複雑な競合シナリオに対し、車両間・車両インフラ間通信とLLMによる交渉を用いた多層協調意思決定フレームワークを提案し、シミュレーションで安全性と効率性の向上を示した。
- 対話と指示で改善する:自動運転車の相互理解を促すLLM駆動型並列Actor-Reasonerフレームワーク自動運転インタラクション2025/3/1
LLMを用いて自動運転車と人間運転車の双方向インタラクションを実現するため、推論役(Reasoner)と記憶データベース(Actor)を並列に組み合わせたフレームワークを提案し、安全性と効率を向上させた。
- TeLL-Drive: 教示LLMが導く深層強化学習による自動運転の強化自動運転/強化学習/LLM2025/2/1
教示LLMが生成した高レベル運転戦略を注意機構で強化学習エージェントに融合し、自動運転の意思決定を高成功率・高堅牢・リアルタイム化したハイブリッド枠組みを提案。
- InterHub: 自動運転のための密なインタラクションを含む自然走行軌跡データセット自動運転データセット2024/11/1
大規模な自然走行記録からマルチエージェントのインタラクションイベントを抽出し、自動運転研究用の密な軌跡データセットInterHubを構築した。
- 言語駆動型方策蒸留によるマルチエージェント強化学習の協調運転VLA2024/10/1
LLMを教師エージェントとして用い、その意思決定を小規模な生徒エージェントに蒸留することで、協調運転タスクにおけるMARLの学習効率と性能を向上させる手法を提案した。
- 対話的で学習可能な協調運転自動化に向けて:大規模言語モデル駆動の意思決定フレームワーク協調運転/LLM意思決定2024/9/1
大規模言語モデルを活用し、環境モジュール・CoT推論・記憶モジュールを組み合わせて、あらゆるシナリオと協調運転自動化レベルに対応する対話的で学習可能な協調運転フレームワークを提案した。
- 信号なし交差点における協調型自動運転車の意思決定:注意機構と階層ゲーム事前分布を用いたMARLアプローチマルチエージェント強化学習2024/9/1
信号のない交差点での複数自動運転車の協調意思決定を、注意機構と階層ゲーム事前分布を組み込んだマルチエージェント強化学習で解決し、安全性・効率・快適性を向上させた。
- 安全で堅牢な自動運転車両プラトゥーニングに向けて:自己組織化協調制御フレームワーク群制御2024/8/1
人間運転車と自動運転車が混在する環境で、深層強化学習とモデル駆動型手法を統合した協調意思決定フレームワークTriCoDを提案し、プラトゥーニングの安全性・堅牢性・柔軟性を向上させた。
- MAPPO-PIS: 事前意図共有を用いたマルチエージェント近接方策最適化によるコネクテッド自動運転車の協調意思決定VLA2024/8/1
V2V通信下の自動運転車の協調意思決定に、将来の意図軌跡を生成・共有する意図生成モジュールと安全性強化モジュールを組み込んだMARL手法を提案し、人車混在の合流領域で安全性・効率を改善した。
- エントロピー正則化で強化した自動運転向け意思決定GPTモデル自動運転/意思決定2024/6/1
自動運転の意思決定を制約付きマルコフ決定過程と系列モデリングで捉え、エントロピー正則化を加えたGPTベースのモデルを提案し、安全性と有効性を向上させた。
- 社会的シナリオにおけるドライバーのインタラクション能力評価:プロセスベースのフレームワーク自動運転2024/5/1
ドライバーのインタラクション能力を評価するため、リスク知覚・プロセスモデリング・能力スコアリングからなるフレームワークを提案し、無信号交差点での検証を行った。
- 遅延を考慮したマルチエージェント強化学習による協調型アダプティブクルーズコントロールの安定化マルチエージェント強化学習2024/4/1
車両プラトーン制御における通信遅延に対処するため、遅延を考慮したマルチエージェント強化学習フレームワークを提案し、注意機構と速度最適化に基づく行動フィルタで安全性と安定性を向上させた。
- DDM-Lag:ラグランジュ安全強化を備えた拡散ベース自動運転意思決定モデル自動運転意思決定2024/1/1
自動運転の逐次意思決定を拡散モデルによる生成問題として定式化し、行動クローニングとQ学習を組み合わせた方策更新とラグランジュ緩和による安全制約で学習を安定化させた手法を提案した。
- 自動運転車の社会的意思決定を強化する混合戦略ゲーム手法と相互作用指向の同定自動運転/社会的意思決定2023/12/1
無信号交差点など人間と機械が混在する交通環境で、自動運転車が社会的に適切な意思決定を行うため、相互作用指向の同定・混合戦略ゲーム・専門家運転戦略の学習を組み合わせたフレームワークを提案し、データセットと人間参加型実験で検証した。
- 社会的に協調する自動運転車に向けて:運転事前分布と協調意識を組み込んだ強化学習フレームワーク自動運転/強化学習2023/9/1
人間の運転軌跡から運転スタイルの事前分布を学習し、周囲との相互作用を考慮した強化学習で自動運転車の意思決定を最適化する手法を提案した。
- MTD-GPT:無信号交差点における自動運転のためのマルチタスク意思決定GPTモデル自動運転2023/7/1
強化学習の専門家データを用いてGPTをオフライン学習させ、無信号交差点での左折・直進・右折などの複数運転タスクを同時に意思決定できるモデルを構築した。
- 人間らしい暗黙的意図表現を組み込んだ自動運転の動作計画:人間の意図事前分布の学習に基づく手法自動運転/動作計画2023/7/1
人間ドライバーの暗黙的な意図の事前分布を学習し、最大エントロピー逆強化学習で報酬関数を構築することで、自動運転車が人間らしい軌道を生成し意図を暗黙的に伝達できる動作計画手法を提案した。
- 脳に着想を得た人間らしい自動運転のモデリングと意思決定:混在交通環境への適用自動運転/意思決定2022/1/1
実世界のINTERACTIONデータセットから運転の攻撃性をファジィ推論で推定し、脳の情動学習回路と二点予視モデルを統合した人間らしい運転モデルを構築。車線変更では安全性と効率を考慮したコスト関数と動的ゲームで自動車と人間ドライバーの相互作用をモデル化し、人工ポテンシャル場で衝突リスクを評価、ドライビングシミュレータの人間参加型実験で有効性を確認した。
- 人間参加型深層強化学習と自動運転への応用自動運転/強化学習2021/4/1
自動運転のポリシー学習に人間のリアルタイム介入を取り入れたHug-DRLを提案し、40名の被験者実験で学習効率と性能の向上を示した。
- ガウス過程ベースのモデル予測制御による追い越し制御モデル予測制御2021/1/1
ガウス過程回帰でモデル誤差を学習しつつ、障害物車両との幾何学的制約をMPCに組み込み、高レベル経路計画なしで追い越し・障害物回避を実現する手法を提案した論文。
- 非協力ゲーム理論による自動運転の人間らしい意思決定自動運転/ゲーム理論2020/5/1
人間の運転スタイルや社会的相互作用を考慮し、ナッシュ均衡とシュタッケルベルクゲーム理論を用いて自動運転車の人間らしい意思決定フレームワークを構築した。
- 社会的行動を考慮した自動運転車の意思決定と軌道計画の統合フレームワーク自動運転/意思決定・軌道計画2020/5/1
周囲車両の運転スタイルや意図を社会的行動としてモデル化し、シュタッケルベルグゲームによる意思決定とポテンシャル場・MPCによる軌道計画を統合した自動運転の車線変更手法を提案した。
