Ziyuan Pu
Southeast University
収録論文 6本 ・ フィジカルAI/ロボット学習
自動運転/ワールドモデル自動運転VLA軌道予測自動運転/強化学習
※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
- 負例を活用した統合ワールドアクションモデルによるエンドツーエンド自動運転の安全強化自動運転/ワールドモデル2026/11/5
専門家軌道に近いが危険な負例軌道を反発アンカーとして学習させ、推論時コストなしで安全境界を獲得する自動運転の事後学習フレームワークNegWAMを提案した。
- 優れた視覚表現は常にエンドツーエンド自動運転を改善するのか?自動運転2026/10/7
視覚基盤モデルの表現をプランナーに整合させるViRAを提案し、VFM表現が運転性能を一貫して改善することを示した。
- SG-CADVLM: 事故報告から安全-criticalシナリオを生成する文脈認識デコーディング搭載視覚言語モデルVLA2026/1/1
事故報告書から自動運転の安全検証用シナリオを生成するため、文脈認識デコーディングとマルチモーダル入力を組み合わせたVLMフレームワークを提案し、高リスクシナリオ生成率を大幅に向上させた。
- NEST: 神経調節型スモールワールドハイパーグラフによる自動運転軌道予測モデル軌道予測2024/12/1
スモールワールドネットワークとハイパーグラフを組み合わせ、神経調節機構で交通状況に動的適応する軌道予測フレームワークNESTを提案し、nuScenes等で既存手法を上回る性能を示した。
- 少ないほど良い:自動運転の軌道予測のための効率的な脳に着想を得た学習軌道予測2024/7/1
人間の認知プロセスを模倣した教師-生徒知識蒸留フレームワークとフーリエ適応スパイクニューラルネットワーク(FA-SNN)を導入し、自動運転の軌道予測精度を向上させつつパラメータ数を削減した研究。
- 強化学習による安全・効率的・快適な自動運転の速度制御自動運転/強化学習2019/2/1
深層強化学習で車間距離を保つ速度制御モデルを構築し、NGSIMデータで訓練した結果、人間より安全で効率的かつ快適な追従走行を実現した。
