Stefano V. Albrecht
Nanyang Technological University
収録論文 24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
- CoLA: 学習済みアダプタによる複数VLAの協調VLA2026/10/11
各エージェントのVLAを凍結し、軽量なメッセージチャネルと拡散行動ヘッドを学習させることで、情報が私的な場合にのみ明示的通信が有効となる分散協調手法を提案。
- 分割して記憶する:長期的VLAポリシーのための再帰的行動関連メモリVLA2026/10/1
現在の観測だけでは行動を決められない履歴依存の操作タスクに向け、行動に関連する情報を履歴から再帰的に選択・記憶する軽量メモリ手法を提案し、長期的操作ベンチマークで最高精度を達成した。
- Assistax: 支援ロボティクス向けマルチエージェント・ハードウェア加速強化学習ベンチマークマルチエージェント強化学習2025/7/1
JAXとMuJoCo-MJX上でGPU加速された支援ロボティクスタスク群を提供し、人間役のヒューマノイドエージェントとロボットをマルチエージェント強化学習で共訓練できるベンチマークを構築した。
- HAD-Gen: 人間らしく多様な運転行動をモデル化する制御可能なシナリオ生成自動運転シミュレーション2025/3/1
運転スタイルごとに軌跡をクラスタリングし、最大エントロピー逆強化学習で報酬関数を学習、オフライン強化学習とマルチエージェント強化学習を組み合わせて、人間らしく多様な運転行動を再現する交通シナリオ生成フレームワークを提案した。
- スパースなマルチエージェント強化学習における最適方策保存のためのエージェント・時間クレジット割り当てマルチエージェント強化学習2024/12/1
スパースなグローバル報酬を時間方向とエージェント方向に再分配するTAR²を提案し、ポテンシャルベース報酬整形との等価性を理論的に示して最適方策を保ちながら学習を安定・高速化した。
- スキル認識型相互情報量最適化による強化学習の汎化メタ強化学習2024/6/1
メタ強化学習において、スキルを区別する相互情報量目的関数SaMIとその推定器SaNCEを提案し、未見タスクへのゼロショット汎化とサンプル効率を改善した。
- LLM-Personalize: 強化学習自己訓練による家事ロボット向けLLMプランナーの個人適応VLA2024/4/1
模倣学習と反復自己訓練を組み合わせて、家庭用ロボットのLLMプランナーを個々のユーザー選好に合わせて最適化するフレームワークを提案し、家事片付けベンチマークで成功率を30%以上向上させた。
- 自動運転車の説明における目的論的解釈:説明可能AIのための認知科学からの知見説明可能AI2024/3/1
自動運転の14シナリオで人が車の行動をどう説明し、その説明をどう評価するかを実験し、目的論的説明が反事実的説明より高品質と評価されることを示した。
- 安全で信頼できる自動運転のための説明可能AI:系統的レビュー自動運転2024/2/1
自動運転における安全・信頼性確保のため、説明可能AI(XAI)の要件と貢献を整理し、SafeXという統合フレームワークを提案したレビュー論文。
- マルチエージェント系における逐次意思決定の因果的説明マルチエージェント2023/2/1
マルチエージェント環境でエージェントの意思決定を因果的に説明するフレームワークCEMAを提案し、自動運転の動作計画で評価した。
- ロボットと人間が協働する倉庫物流のためのスケーラブルなマルチエージェント強化学習マルチエージェント強化学習2022/12/1
倉庫での注文ピッキング問題に対し、マネージャーエージェントが作業者エージェントに目標を割り当てる階層型マルチエージェント強化学習を開発し、多様な倉庫構成とピッキング方式で業界ヒューリスティクスを上回る性能を達成した。
- DiPA: 自動運転のための確率的マルチモーダル対話型予測予測2022/10/1
自動運転の対話型予測において、ガウス混合モデルで全分布を符号化し、確率的評価と最近モード評価を同時に最適化する新手法DiPAを提案。INTERACTIONとNGSIMデータセットで最先端性能を達成。
- 二段階変分オクルージョンモデルによる遮蔽された交通エージェントを考慮した計画自動運転計画2022/10/1
遮蔽された交通エージェントの位置と軌道を二段階で生成するBiVOを提案し、下流の計画に統合可能な軌道分布を出力することで、危険な場面での計画精度を向上させた。
- 安全な自動運転スタックのシステムレベル設計に関する展望自動運転2022/8/1
自動運転スタックの安全性を設計段階から組み込むためのアプローチを論じ、運動計画・予測・知覚誤差モデリングなどの要素技術とFive社の設計思想を紹介する。
- 遮蔽環境下での検証可能な自動運転の目標認識予測2022/6/1
車両軌跡データから学習した決定木を用い、遮蔽による欠損データがあっても他車両の目標を高速かつ高精度に推定する手法OGRITを提案し、評価用データセットも公開した。
- 自動運転の動作計画における因果的説明を自然言語で生成する人間中心手法自動運転2022/6/1
自動運転車の動作計画・予測について、ベイズネットワークと文脈自由生成規則を組み合わせ、高レベルな運転行動の因果関係を自然言語で説明する手法を提案した。
- MIDGARD: 非構造環境における自律ナビゲーションのためのシミュレーションプラットフォームsim2real2022/5/1
Unreal Engine を用いたフォトリアルな3D環境で、屋外の非構造環境を走行する自律ロボットのナビゲーションを学習・評価できるオープンソースのシミュレーションプラットフォームを提案。
- Flash: ベイズ逆計画と学習済み運動プロファイルによる自動運転向け高速軽量な運動予測運動予測2022/3/1
ベイズ逆計画と軽量ニューラルネットの専門家混合を組み合わせ、地図ベースの目標抽出と制御ベースの軌道生成で自動運転の周辺車両運動を高速かつ高精度に予測する手法を提案した。
- 遮蔽物存在下での解釈可能なゴール認識による自動運転自動運転/意図推定2021/8/1
逆計画に基づき観測車両のゴールと遮蔽物の存在を同時に確率的に推論し、MCTSに統合することで安全な自動運転を実現する手法を提案した論文。
- GRIT: 決定木学習による自動運転向けの高速・解釈可能・検証可能な目標認識自動運転/目標認識2021/3/1
車両軌跡データで学習した決定木を用い、他車の目標を高速かつ高精度に推定しつつ、人間が解釈でき形式的検証も可能な目標認識手法GRITを提案した。
- PILOT: 模倣学習と最適化による安全な自動運転のための効率的計画自動運転計画2020/11/1
模倣学習ネットワークの計画を軽量最適化器で補正し、安全性と快適性を保証しつつ専門家の7倍高速な自動運転計画を実現した。
- 安全な市街地走行のための二段階最適化モーションプランナ自動運転計画2020/2/1
MILPで安全制約を満たす初期解を求め、NLPで滑らかさと実行可能性を改善する二段階の自動運転モーションプランナを提案し、複雑な市街地シナリオで収束性・快適性・進行性が向上することを示した。
- 他車の目標認識と計画を統合した説明可能な自動運転システム自動運転計画2020/2/1
逆計画法で他車の目標を推定し、その結果をMCTSによる自車の運転計画に活用することで、説明可能かつ効率的な自動運転を実現した研究。
- 因果性を活用した動的ベイジアンネットワークの選択的信念フィルタリング信念フィルタリング2019/7/1
動的ベイジアンネットワークの信念フィルタリングを高速化するため、状態変数間の受動性(passivity)という因果関係を自動的に利用し、信念因子を選択的に更新するPSBF手法を提案した。合成プロセスとマルチロボット倉庫シミュレーションで有効性を示した。
