Zihao Sheng
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
- 運転ワールドモデルにおける生存者バイアスの打破ワールドモデル2026/11/8
通常走行と実際の事故映像を混ぜて学習する中立ワールドモデル(NWM)を提案し、衝突直前の危険な未来をより正確に予測できるようにした。これを意思決定に用いることで、より安全な軌道選択が可能になることを示した。
- Sim2Real-AD: VLM誘導強化学習を実車の自動運転に展開するためのモジュール型Sim-to-Realフレームワーク自動運転/sim2real2026/4/1
シミュレーションで訓練したVLM誘導強化学習ポリシーを、実車にゼロショットで展開するためのフレームワークを提案し、CARLA訓練ポリシーを電気バンに搭載して実証した。
- DriveVLM-RL: 視覚言語モデルと神経科学に着想を得た強化学習による安全で実用的な自動運転自動運転/VLA2026/3/1
脳の習慣的・熟慮的視覚処理に倣い、静的・動的の二経路でVLMから意味的報酬を学習する強化学習フレームワークを提案。VLMは訓練時のみ使用し展開時には除去することで推論遅延をなくし、CARLAで安全性と実用性を向上させた。
- 自動運転のための視覚-言語-行動モデルに関するサーベイVLA2025/6/1
自動運転向けの視覚・言語・行動を統合したVLAモデルについて、アーキテクチャや20以上の代表モデル、データセット、課題を初めて体系的にまとめたサーベイ。
- VLM-SAFE: 視覚言語モデルと世界モデルによる安全志向の自動運転強化学習自動運転/安全強化学習2025/5/1
視覚言語モデルでシーンの意味的な安全信号を得て、世界モデルで将来軌道を想像し、その安全性を評価して方策を学習するオフライン安全強化学習フレームワークを提案。
- Sky-Drive: 人間とAIの協調および社会的配慮を実現する未来交通のための分散マルチエージェントシミュレーションプラットフォーム交通シミュレーション2025/4/1
人間とAIの協調や社会的に配慮した運転エージェントの研究を可能にする、分散型マルチエージェント交通シミュレーションプラットフォームを提案した。
- CurricuVLM: 視覚言語モデルによる個別化された安全クリティカルなカリキュラム学習で安全な自動運転へ自動運転2025/2/1
視覚言語モデルを活用し、自動運転エージェントの弱点を分析して個別化された安全クリティカルな訓練シナリオを動的に生成するカリキュラム学習フレームワークを提案。
- VLM-RL:視覚言語モデルと強化学習を統合した安全な自動運転フレームワーク自動運転2024/12/1
事前学習済み視覚言語モデルと強化学習を組み合わせ、言語ゴールから報酬を自動生成することで、手作業の報酬設計を不要にした自動運転フレームワークを提案。CARLA実験で衝突率低減と経路完走率向上を達成。
- 物理知識と人間フィードバックを統合した信頼できる自動運転強化学習自動運転/RLHF2024/9/1
人間のフィードバックと交通流モデルなどの物理知識を強化学習に組み込み、人間のデモが不完全でも物理ベースの方策以上の安全性を保証する枠組みを提案した。
- HAIM-DRL: 安全で効率的な自動運転のための人間参加型強化学習の強化自動運転/強化学習2024/1/1
人間の専門家をメンターとしてAIエージェントに介入させ、危険時に正しい行動を示しつつ交通流の乱れを抑える強化学習フレームワークを提案した。報酬関数の手設計を避け、人間のデモから代理価値を直接導出する。
- CV2X-LOCA:路側機を活用した自動運転車の協調測位フレームワーク測位/協調認識2023/4/1
GNSSが使えない都市部でも、C-V2X通信のチャネル状態情報と路側機を活用して車線レベルの測位を実現する協調測位フレームワークを提案した。
- 自車計画誘導マルチグラフ畳み込みネットワークによる異種エージェント軌道予測軌道予測2023/3/1
自車の将来計画情報と周辺の車・歩行者・自転車などの履歴軌道を4種類のグラフで統合し、カテゴリ別GRUで各エージェントの将来軌道を高精度に予測する手法を提案。
- HRPose:知識蒸留を用いたリアルタイム高解像度6D姿勢推定ネットワーク6D姿勢推定2022/4/1
小型のHRNetV2-W18を特徴抽出器に用いた軽量な6D物体姿勢推定モデルHRPoseを提案し、大規模モデルからの知識蒸留で精度と効率を向上させた論文。
- 協調を考慮した自動運転車の車線変更手法自動運転/計画2022/1/1
車両間の相互作用を活用した軌道予測とMPCによる車線変更計画を提案し、安全性を保ちつつ効率を向上させた。
- 自動運転における車両軌跡予測のためのグラフベース時空間畳み込みネットワーク軌跡予測2021/9/1
近隣車両の過去軌跡から将来の軌跡分布を予測するため、グラフ畳み込みで空間的相互作用を、CNNで時間的特徴を捉え、GRUで統合するGSTCNを提案した論文。
