Shaoyu Chen
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
- REAP: ガウススプラッティングシミュレータを用いた強化学習によるエンドツーエンド自動駐車とReal2Sim2Real転送自動駐車2026/5/1
強化学習とガウススプラッティングシミュレータを組み合わせ、エンドツーエンドの自動駐車を実現し、実世界への転送を可能にする手法を提案した論文。
- ResAD: 正規化残差軌道モデリングによるエンドツーエンド自動運転自動運転2025/10/1
慣性参照からの残差を予測し、点ごとの正規化で最適化の偏りを抑えることで、エンドツーエンド自動運転の軌道予測精度を向上させた研究。
- AlphaDrive:強化学習と推論で自動運転におけるVLMの能力を引き出す自動運転VLA2025/3/1
自動運転向けにGRPOベースの強化学習報酬と2段階の計画推論訓練を組み合わせたVLMフレームワークを提案し、計画性能と訓練効率を改善した。
- RAD: 大規模3DGSベース強化学習によるエンドツーエンド自動運転ポリシーの学習自動運転/強化学習2025/2/1
3Dガウシアンスプラッティングで構築したフォトリアルな閉ループ環境で強化学習を行い、模倣学習を正則化として併用することで、衝突率を大幅に低減した自動運転ポリシーを学習する手法を提案。
- DiffusionDrive:切り詰め拡散モデルによるエンドツーエンド自動運転自動運転2024/11/1
拡散モデルのノイズ除去ステップを切り詰め、マルチモードアンカーを導入することで、自動運転の行動生成を2ステップで多様かつ高品質にし、リアルタイム速度を実現した。
- Senna: 大規模視覚言語モデルとEnd-to-End自動運転の橋渡し自動運転/VLA2024/10/1
LVLMが自然言語で高レベル計画を立て、End-to-Endモデルが精密な軌道を予測する自動運転システムSennaを提案。DriveX事前学習とnuScenes微調整で計画誤差と衝突率を大幅削減した。
- VADv2: 確率的計画によるエンドツーエンドのベクトル化自動運転自動運転/エンドツーエンド計画2024/2/1
行動空間を確率的にモデル化し、大規模な運転デモから人間らしい運転方策を学習するエンドツーエンド自動運転手法を提案。CARLAなどで最高性能を達成。
- MapTRv2: オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワーク自動運転/HDマップ2023/8/1
地図要素を点集合としてモデル化し、階層的クエリ埋め込みと二部マッチングでオンラインにベクトル化HDマップを構築するエンドツーエンド手法を提案。
- レーングラフをパスとして:連続性を保つパス単位モデリングによるオンラインレーングラフ構築自動運転/レーングラフ2023/3/1
レーングラフを画素や断片ではなく連続したパスとしてモデル化し、Path2Graphアルゴリズムでグラフを復元するLaneGAPを提案。nuScenesやArgoverse2で従来手法を上回る精度と効率を達成した。
- VAD: 自動運転のための効率的なベクトル化シーン表現自動運転/計画2023/3/1
自動運転のシーンを完全にベクトル化して表現し、安全性と効率を両立させたエンドツーエンド計画手法を提案。nuScenesで衝突率を29%削減し、2.5倍高速化を実現。
- 知覚・相互作用・予測:動的・静的手がかりを学習するエンドツーエンド運動予測運動予測2022/12/1
地図・物体検出・運動予測をTransformerで統合し、高精度地図や追跡軌跡なしでエンドツーエンドのマルチエージェント運動予測を実現した研究。
- MapTR: オンラインベクトル化HDマップ構築のための構造的モデリングと学習自動運転/HDマップ2022/8/1
カメラ入力から高精度地図をリアルタイムにベクトル化して構築するTransformerベースの手法を提案し、nuScenesで最高精度と高速性を達成した。
