Zuxin Liu
収録論文 19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
- 環境との対話によるLLMエージェントのテスト時適応VLA2025/11/6
LLMエージェントが未知の環境に適応するため、オンライン構文整合と展開時の動力学接地という2つの手法を提案し、関数呼び出しやWebナビゲーションで有効性を示した。
- EXTRACT: オフラインデータから転移可能なロボットスキルを抽出する効率的な方策学習スキルベース強化学習2024/6/1
事前学習済み視覚言語モデルを用いてオフラインデータから意味のあるスキルを連続パラメータ付きで抽出し、新しいロボット操作タスクを効率的に学習する手法を提案。
- 安全を考慮した因果表現による信頼できるオフライン強化学習(自動運転向け)オフライン強化学習2023/11/1
自動運転のオフライン強化学習において、報酬・コスト・状態・行動の因果関係を活用した構造化シナリオ表現FUSIONを提案し、未見環境でも安全性と汎化性能を向上させた。
- 安全制約を埋め込んだMDPと軌道最適化による強化学習安全強化学習2023/10/1
安全制約をMDPの行動空間に埋め込み、軌道最適化で安全な軌道に変換することで、報酬最大化と安全性の両立を図る強化学習手法を提案し、実機の箱押しタスクで有効性を示した。
- 自動運転における3D物体検出に対するカメラ・LiDAR配置の影響3D物体検出2023/10/1
カメラとLiDARの配置が学習ベースの3D物体検出性能に与える影響を情報理論的な代理指標で評価し、nuScenesデータセットでの実験により最大30%の精度差が生じることを示した。
- TAIL: 大規模事前学習モデルを用いた模倣学習のためのタスク特化型アダプタ模倣学習2023/10/1
大規模事前学習モデルを新しいロボット制御タスクに効率的に適応させるため、LoRAなどのパラメータ効率の良いファインチューニング手法を比較し、TAILフレームワークを提案した論文。
- カメラ運動摂動に対する認証ロバスト性のためのピクセル単位スムージングロバスト性認証2023/9/1
3Dカメラ運動空間での高コストなサンプリングを避け、2Dピクセル空間でのスムージング分布を用いることで、カメラ運動摂動に対するロバスト性認証を効率化するフレームワークを提案した。
- オフライン安全強化学習のためのデータセットとベンチマークオフライン強化学習/安全RL2023/6/1
ロボット制御から自動運転まで38タスクにわたるオフライン安全強化学習のデータセット・環境ラッパー・ベースライン実装を提供し、大規模実験で性能を比較評価したベンチマークスイートを構築した。
- 制約付き決定トランスフォーマーによるオフライン安全強化学習オフライン安全RL2023/2/1
オフラインデータから安全な方策を学習するため、多目的最適化の観点から制約付き決定トランスフォーマー(CDT)を提案し、展開時に安全性と性能のトレードオフを動的に調整できるようにした。
- カメラ運動平滑化による視覚知覚モデルのロバスト性認証ロバスト性認証2022/10/1
カメラ運動の摂動に対する視覚知覚モデルのロバスト性を認証するため、運動平滑化技術を提案し、屋内ロボットデータセットMetaRoomで有効性を検証した。
- SafeBench: 自動運転の安全性評価のためのベンチマークプラットフォーム自動運転評価2022/6/1
自動運転の安全性評価を統一的に行うためのプラットフォームSafeBenchを提案し、様々な危険シナリオ生成アルゴリズムと運転アルゴリズムを公平に比較できるようにした。
- 観測摂動下における安全強化学習のロバスト性安全強化学習2022/5/1
安全強化学習が観測への敵対的摂動に対して脆弱であることを示し、報酬最大化攻撃とコスト最大化攻撃の2手法を提案するとともに、頑健な学習フレームワークを提案した。
- 安全強化学習のための制約付き変分方策最適化安全強化学習2022/1/1
安全制約付き強化学習を確率的推論の枠組みで捉え、EMアルゴリズムにより凸最適化と教師あり学習に分解して安定に方策を学習する手法を提案した。連続ロボットタスクで制約遵守とサンプル効率の向上を示す。
- 複数LiDARの配置が自動運転の物体検出に与える影響の調査自動運転/センサ配置2021/5/1
複数のLiDARをどこに配置するかが3D物体検出性能に与える影響を、情報理論的な代理指標とCARLAシミュレータ実験で定量的に評価した研究。
- ロバスト交叉エントロピー法による制約付きモデルベース強化学習安全強化学習2020/10/1
モデル予測制御とニューラルネットワークアンサンブルで不確実性を見積もり、制約違反を抑えながら効率的に学習する安全強化学習手法を提案した。
- 進化的強化学習による混在動的環境でのマルチエージェント経路計画群制御2020/7/1
グローバルプランナで長距離航行を分割し、画像表現で動的障害物をモデル化しつつ進化的強化学習で分散型局所計画ポリシーを学習、非協力的動的障害物が多い環境でも高い成功率と安定性を実現した。
- 無限混合ガウス過程によるタスク非依存オンライン強化学習モデルベース強化学習2020/6/1
未知のタスク境界を持つ非定常環境に対応するため、ガウス過程の専門家混合をオンラインで逐次変分推論により更新するモデルベース強化学習手法を提案した。
- 動的環境に対応するセマンティックVisual SLAM「DS-SLAM」SLAM2018/9/1
セマンティックセグメンテーションと動き整合性チェックを組み合わせ、動的物体の影響を抑えて位置推定精度を大幅に向上させたSLAMシステムを提案した。
- 自動運転車におけるLiDAR配置の最適設計手法センサ配置最適化2018/9/1
LiDARの知覚領域と非検出空間に着目し、体積対表面積比(VSR)をコスト関数として人工蜂コロニーアルゴリズムで最適配置を求める手法を提案した。
