Tim Joseph
収録論文 9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
- 進歩と安全の両立:自動運転の強化学習におけるリスク認識型報酬設計自動運転/強化学習2025/5/1
自動運転の強化学習において、衝突前のリスクを考慮した二次元楕円体関数とRSS拡張に基づく新しいリスク認識型報酬を提案し、無信号交差点で衝突率を21%削減しつつ経路進捗も改善した。
- 自動カリキュラム学習による運転シナリオ生成:堅牢で効率的な強化学習に向けて自動運転/強化学習2025/5/1
エージェントの能力に応じて難易度を自動調整する運転シナリオを生成するカリキュラム学習フレームワークを提案し、強化学習による自動運転エージェントの汎化性能と訓練効率を向上させた。
- 制約付きメタ強化学習メタ強化学習2024/6/20
メタ強化学習に制約最適化を組み込み、タスク固有の制約を訓練時に考慮することで、新しいタスクへの迅速な適応と安全性を両立させるC-MAMLを提案し、車輪ロボットの移動タスクで有効性を示した。
- UMAD: 自動運転のための教師なしマスクレベル異常検知異常検知2024/6/1
生成的世界モデルと教師なし画像セグメンテーションを組み合わせ、生のセンサデータのみから異常な交通シーンを検知する手法を提案し、既存の教師なし異常検知を上回る性能を示した。
- 自動運転の異常シナリオに向けたハイブリッド動画異常検知異常検知2024/6/1
自車視点の映像から正常な走行パターンを学習し、自動運転における稀で危険なシーンのピクセル単位の異常検知を行う手法を提案。
- 状況に応じた交通ルール例外を学習する情報付き強化学習自動運転/強化学習2024/2/1
構造化されたルールブックを知識源として組み込み、状況認識型の報酬設計で動的な報酬を与えることで、交通ルールの例外が必要な複雑な運転シナリオを強化学習エージェントに学習させる手法を提案した。
- MUVO: 幾何学的表現を用いた自動運転のためのマルチモーダル生成ワールドモデル自動運転2023/11/1
カメラとLiDARを統合し、3D占有予測も行うマルチモーダルワールドモデルMUVOを提案し、センサ融合戦略の効果を実験的に評価した。
- 自動運転の異常検知におけるワールドモデルの可能性を探る自動運転/異常検知2023/8/1
自動運転の異常検知にワールドモデルを活用する方法を概観し、その構成要素を従来の異常検知研究と関連付けて整理したサーベイ論文。
- 交通ルールへの準拠度分布を実データから定量化自動運転2022/2/1
Waymo Open Motionデータセットを用い、人間の運転者が交通ルール(安全距離・速度制限)にどの程度従っているかの分布を推定する手法を提案した論文。
