Philip Polack
収録論文 6本 ・ フィジカルAI/ロボット学習
状態推定軌道計画車両制御
※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
- オブザーバにおけるモデル妥当性:いつモデルを複雑化すべきか?状態推定2025/2/1
自動運転車の車両モデルの妥当性を実車と比較し、横加速度がある閾値を超えると精度が低下することを示し、学習ベースの状態推定手法の必要性を検討した。
- 横滑り角推定のためのロバストハイブリッドオブザーバ状態推定2023/6/1
モデルベースの横滑り角推定とニューラルネットワークを組み合わせた新しい手法を提案し、実車データで従来法を上回る精度を実証した。
- ハイブリッド拡張自転車モデル:高ダイナミック車両軌道計画のための簡潔なモデル軌道計画2023/6/1
LSTMを組み込んだハイブリッド拡張自転車モデルを提案し、通常走行から限界挙動まで高精度に車両状態を表現。MPPI計画・制御フレームワークに統合し、高ダイナミックな軌道計画の実現可能性を示した。
- 学習ベースオブザーバの運動学的自転車モデルにおける評価状態推定2023/3/1
車両状態推定のための学習ベースオブザーバを提案し、運動学的自転車モデルで拡張カルマンフィルタと比較評価した。
- 通常走行から限界域まで対応するLSTMベースの車両速度オブザーバ状態推定2023/3/1
LSTMを用いたニューラルネットワークで、通常走行から限界域のマヌーバまで車両速度を高精度に推定する手法を提案し、実車データで従来手法を上回る性能を示した。
- 深層学習による車両の縦横連成制御車両制御2018/10/1
高忠実度シミュレーションのデータでMLPとCNNを訓練し、操舵角と各輪トルクを用いた車両の縦横連成制御を実現、従来の分離制御と比較した。
