Yaser P. Fallah
収録論文 15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
- 自律レーシングにおける実時間制約下のシミュレーション実機ギャップの橋渡しsim2real2026/7/1
自律レーシングのシミュレーションから実機への移行を、物理・サイバー・実行の3層構造で分析し、遅延やノイズに頑健な設計指針と評価指標を提案した論文。
- 協調車両安全システムのためのハイブリッドガウス過程予測を用いた文脈認識型ターゲット分類V2X/協調認識2022/12/1
V2X通信の情報欠損に強い協調車両安全システムを実現するため、文脈認識マップとハイブリッドガウス過程予測を組み合わせたターゲット分類モジュールを提案した。
- 混合交通における協調型自動運転車の安全性とロバスト性を向上させる学習ベースの社会的調整マルチエージェント強化学習2022/11/1
自動運転車と人間運転車が混在する交通環境で、マルチエージェント強化学習を用いて自動運転車が人間の行動を暗黙的に学習し、利他性を導入した分散報酬設計により安全性と適応性を高める手法を提案した。
- 予測を考慮した強化学習による利他的協調運転協調運転2022/11/1
自動運転車が人間運転車と協調するため、将来の観測を予測するハイブリッド予測ネットワークと安全優先機構を組み込んだ強化学習意思決定フレームワークを提案した。
- 衝突検知アルゴリズムの高忠実度シミュレーションのための拡張ドライバー行動モデル自動運転シミュレーション2022/8/1
人間運転車と自動運転車が混在する交通シミュレーション基盤を構築し、運転行動をモジュール化して大規模データから抽出したパラメータで多様なドライバー特性を再現可能にした研究。
- 確率的制御を用いた密結合車両プラトーンの安全性に対する情報フロートポロジーの影響群制御2022/3/1
V2X通信で連結走行する車両プラトーンについて、情報フロートポロジーが安全性に与える影響を、ガウス過程回帰によるモデルベース通信と確率的制御を用いて解析した研究。
- 混合交通における強化学習ベースの協調自動運転の堅牢性と適応性協調自動運転/MARL2022/2/1
自動運転車と人間運転車が混在する交通環境で、人間の行動特性が未知・非定常でも安全に協調できるよう、マルチエージェント強化学習と分散型フレームワーク・報酬設計を提案し、堅牢性や安全性を検証した論文。
- C-V2X消失リンクの有限状態マルコフモデリングによる隊列走行アプリケーションの性能と安定性解析V2X通信2021/11/1
車車間通信C-V2Xのパケット損失を一次マルコフ連鎖でモデル化し、隊列走行の性能・安定性評価を高精度化する手法を提案した論文。
- ガウス過程に基づく確率的モデル予測制御による協調適応クルーズコントロールモデル予測制御2021/11/1
各車両の速度軌跡をガウス過程でモデル化し、通信途絶時でも先行車の将来挙動を予測できる協調適応クルーズコントロール向けの離散ハイブリッド確率的モデル予測制御を提案した論文。
- 制約付き潜在表現から汎化可能な運転ポリシーを学習する自動運転/表現学習2021/11/1
情報ボトルネックで運転シナリオ間の距離を最小化する潜在表現を抽出し、それをQ学習の入力として未知環境にも汎化する自動運転ポリシーを学習した。クラッシュ数を約半分に削減。
- マルチエージェントA2Cによる協調型自動運転車の利他的マニューバ計画自動運転/マルチエージェント強化学習2021/7/1
マルチエージェント強化学習(A2C)を用い、周囲の自動運転車や人間ドライバーの効用を考慮した利他的なマニューバ計画を分散報酬設計で学習させる手法を提案した論文。
- 自動運転における社会的協調と利他性マルチエージェント強化学習2021/7/1
混合交通環境での自動運転車の行動計画を部分観測確率ゲームとして定式化し、マルチエージェント強化学習で利他的な社会効用を最適化する方策を学習させた研究。
- 人間ドライバーに共感する協調型自動運転自動運転2021/7/1
心理学の社会的価値志向を自動運転に取り入れ、競合シナリオでも経験学習のみで利他的に振る舞い安全で円滑な交通を実現するSymCoDriveを提案し、利他性の適切な調整が重要と示した。
- 協調車両アプリケーションのための操縦ベース都市走行データセットとモデルデータセット/予測2020/5/1
自動運転車と手動運転車が共存する都市環境向けに、実走行で収集した操縦(マヌーバ)単位のデータセットを構築し、操縦パターンを学習して分類・予測に使えるモデルを提案した。
- V2V通信網における2次元車両軌道予測の学習ベースフレームワーク軌道予測2018/8/1
2層ニューラルネットで速度・加速度・ヨーレートを予測し、それに基づいて縦横の2次元軌道を予測する手法を提案し、実データで従来の運動学モデルより高精度なことを示した。
